/ Модель

Характеристики

Контекст
8 192 токена
Параметры
395 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Библиотека
transformers
Опубликована
15 янв 2025

ModernBERT-Large-Instruct

Заполнение пропусковТекст → текст8 профессий

Инструкционно дообученная языковая модель ModernBERT для заполнения пропусков и применения в задачах классификации текста.

2 537скачиваний за 30 дней38лайковвеса обновлены10 фев 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ModernBERT-Large-Instruct — слегка дообученная на инструкциях версия ModernBERT-large, разработанная Answer.AI. Модель с плотной архитектурой ModernBERT и головой masked language modeling обучена на 20 млн примеров из коллекции FLAN со смешанной целью: предсказание токена ответа и вспомогательная задача заполнения маски.

Модель предназначена для заполнения пропусков в тексте и может служить основой для классификации и других задач обработки текста с нулевым обучением или дополнительной тонкой настройкой. В README приведены результаты на наборах для оценки знаний и классификации. Модель содержит 394,7 млн параметров, принимает текстовые последовательности длиной до 8192 токенов и поддерживается библиотекой Transformers.

Обучающие данные преимущественно на английском языке и включают код, поэтому лучше всего модель работает с английским текстом и кодом. README предупреждает, что это первая версия и у неё вероятны ошибки. Лицензия — Apache-2.0.

Сценарии применения

  • заполнение пропущенных слов и токенов в тексте
  • классификация тональности отзывов после дообучения
  • классификация новостных текстов после дообучения
  • классификация тематик документов после дообучения
  • оценка и классификация английских текстов

Ограничения

Обучающие данные преимущественно на английском языке и коде, поэтому наилучшие результаты ожидаются для этих типов данных. Это первая версия модели, и README отмечает вероятность ошибок.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ModernBERT-Large-Instruct

Table of Contents

  1. Model Summary
  2. Usage
  3. Evaluation
  4. Limitations
  5. Training
  6. License
  7. Citation

Model Summary

ModernBERT-Instruct-Large is a lightly instruction-tuned version of ModernBERT-large, trained using a mixed-objective (Answer Token Prediction & Dummy MLM) on 20M examples sampled from the FLAN collection.

Despite a very straightforward pre-training and inference pipeline, this model proves to be a very strong model in a variety of contexts, in both zero-shot and fully-finetuned settings.

For more details, we recommend checking out the TIL Blog Post, the mini cookbook GitHub repository or the Technical Report.

Usage

In order to use ModernBERT-Large-Instruct, you need to install a version of transformers which natively supports ModernBERT (4.48+):

pip install -U transformers>=4.48.0

⚠️ If your GPU supports it, we recommend using ModernBERT with Flash Attention 2 to reach the highest efficiency. To do so, install Flash Attention as follows, then use the model as normal:

pip install flash-attn

All tasks are then performed using the Model's Masked Language Modelling head, load via AutoModelForMaskedLM. Here is an example to answer an MMLU question:

import torch
from transformers import AutoTokenizer, AutoModelForMaskedLM

# Load model and tokenizer
model_name = "answerdotai/ModernBERT-Large-Instruct"
tokenizer = AutoTokenizer.from_pretrained(model_name)
device = 'cuda' if torch.cuda.is_available() else 'cpu'
if device == 'cuda':
    model = AutoModelForMaskedLM.from_pretrained(model_name, attn_implementation="flash_attention_2")
else:
    model = AutoModelForMaskedLM.from_pretrained(model_name)

model.to(device)

# Format input for classification or multiple choice. This is a random example from MMLU.
text = """You will be given a question and options. Select the right answer.
QUESTION: If (G, .) is a group such that (ab)^-1 = a^-1b^-1, for all a, b in G, then G is a/an
CHOICES:
- A: commutative semi group
- B: abelian group
- C: non-abelian group
- D: None of these
ANSWER: [unused0] [MASK]"""

# Get prediction
inputs = tokenizer(text, return_tensors="pt").to(device)
outputs = model(**inputs)
mask_idx = (inputs.input_ids == tokenizer.mask_token_id).nonzero()[0, 1]
pred_id = outputs.logits[0, mask_idx].argmax()
answer = tokenizer.decode(pred_id)
print(f"Predicted answer: {answer}")  # Outputs: B

Evaluation

Results are taken from the technical report. Results for MMLU and MMLU-Pro are taken from SmolLM2 (†) and the MMLU-Pro leaderboard (‡) whenever possible.

Zero-Shot

ModelMMLUMMLU-ProADEv2NISOSEAverage
0.3-0.5B
Tasksource-NLI36.0816.5465.1758.7221.1139.52
RoBERTa-Large-SST31.3013.6343.6175.0040.6740.84
UniMC38.4818.8323.2973.9636.8838.29
ModernBERT-Large-Instruct43.0617.1653.3185.5320.6243.94
SmoLM2-360M35.8†11.38‡----
Qwen2-0.5B33.7†15.93‡----
1B+
Llama3.2-1B45.8322.6----
SmoLM2-1.7B48.4418.31‡----
Qwen2.5-1.5B59.6732.1‡----

Fine-Tuned

ModelMNLIYahoo!20ngAGNewsSST-2IMDBSST-5Average
ModernBERT (cls head)90.8†77.7573.9695.3497.1†96.5259.2884.39
ModernBERT-Large-Instruct91.0377.8873.9695.2496.2297.261.1384.67

Limitations

ModernBERT’s training data is primarily English and code, so performance is best on these languages. ModernBERT-Large-Instruct is a first version, demonstrating the strong potential of using the MLM head for downstream tasks without complex pipelines. However, it is very likely to have failure cases and it could be improved further.

License

Apache 2.0

Citation

If you use ModernBERT-Large-Instruct in your work, please cite:

@misc{clavié2025itsmasksimpleinstructiontuning,
      title={It's All in The [MASK]: Simple Instruction-Tuning Enables BERT-like Masked Language Models As Generative Classifiers}, 
      author={Benjamin Clavié and Nathan Cooper and Benjamin Warner},
      year={2025},
      eprint={2502.03793},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2502.03793}, 
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
ModernBertForMaskedLM
Ревизия весов
9943452

0 моделей