/ Модель

Характеристики

Контекст
1 024 токена
Параметры
190 млн
Лицензия
CC BY 4.0
Архитектура
deberta-v2 · dense
Библиотека
transformers
Опубликована
21 июн 2026

deberta-base-100k-ibot

Заполнение пропусковТекст → текст3 профессии

Англоязычная DeBERTa-v3-base с визуально инициализированными эмбеддингами слов для исследований и заполнения замаскированных токенов.

51скачиваний за 30 дней0лайковвеса обновлены9 сен 2026

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

Модель augustinian-babylm/deberta-base-100k-ibot — англоязычная DeBERTa-v3-base для предсказания замаскированных токенов, разработанная авторами набора Augustinian BabyLM. Это исследовательский вариант с 190 млн параметров, обученный как masked language model на корпусе bb24.train объёмом около 9,9 млн слов в течение 10 эпох; длина контекста — 1024 токена. Перед обучением эмбеддинги слов, обозначающих объекты в данных визуального заземления, инициализировали усреднёнными признаками iBOT ViT-B/16 для соответствующих регионов. Остальные параметры и процедура обучения совпадают с базовой моделью augustinian-babylm/deberta-base-100k.

Модель предназначена для изучения влияния визуально обусловленной инициализации на языковое обучение и для экспериментов с заполнением пропусков в английском тексте. В работе сообщается об улучшении на тестах свойств объектов при отсутствии заметных изменений на грамматических тестах. Модель обучена на нестандартном корпусе, поэтому результаты напрямую несопоставимы с моделями, обученными на официальном наборе BabyLM 2026 strict-small; это исследовательский артефакт, не предназначенный для развёртывания. Лицензия — CC BY 4.0.

Сценарии применения

  • заполнение пропущенных слов в английском тексте
  • изучение влияния визуальной инициализации на языковое обучение
  • эксперименты с усвоением свойств объектов языковой моделью

Ограничения

Обучена на нестандартном корпусе bb24.train, поэтому результаты напрямую несопоставимы с моделями, обученными на официальном наборе BabyLM 2026 strict-small. Это исследовательский артефакт, не предназначенный для развёртывания; проверена только одна архитектура masked language model.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

deberta-base-100k-ibot

Vision-seeded model. Before training, input-embedding rows for words that label regions in visual grounding data were set to the average of iBOT ViT-B/16 (Zhou et al. 2022) features over those regions; all other rows keep their random initialization. Seeded vectors are mean-centered, L2-normalized, and scaled to the model's initializer standard deviation.

Baseline: augustinian-babylm/deberta-base-100k.

Part of the model set for Augustinian BabyLM: What Ostensive Definition Can and Cannot Teach a Small Language Model (paper, code).

Usage

from transformers import AutoModelForMaskedLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("augustinian-babylm/babylm-bpe-100k")
model = AutoModelForMaskedLM.from_pretrained("augustinian-babylm/deberta-base-100k-ibot")

Training

DeBERTa-v3-base masked LM (768 hidden, 12 layers, 12 heads), trained for 10 epochs on bb24.train, the ~9.9M-word corpus of Edman et al. (2024), which mixes LLM-generated paraphrase data with portions of the official BabyLM corpus. This is not the official 2026 strict-small distribution.

Learning rate2e-4, cosine schedule, 4000 warmup steps
OptimizerAdamW (beta1 0.9, beta2 0.95), weight decay 0.01
Effective batch256 (gradient accumulation 4)
Context length64 to 128 from epoch 5, max 512
VocabularyBPE, 100k merges (augustinian-babylm/babylm-bpe-100k)

Only the input-embedding initialization differs between a vision-init model and its baseline. Every other hyperparameter, the data order, and the random seed are held fixed.

Checkpoints

Intermediate checkpoints are stored as branches, saved Pythia-style by step:

from transformers import AutoModelForMaskedLM
AutoModelForMaskedLM.from_pretrained("augustinian-babylm/deberta-base-100k-ibot", revision="step256")

Call huggingface_hub.list_repo_refs("augustinian-babylm/deberta-base-100k-ibot") to list the available steps.

Results

Vision seeding produces a consistent object-property gain (COMPS, +1.30 averaged over nine encoder-by-vocabulary configurations, positive in all nine) while grammar-focused benchmarks stay flat. The effect is word-specific: on a corpus-tailored Visual-Property Swap probe the advantage falls entirely on seeded words, with the placebo cell at +0.000. See the paper for full results.

Limitations

Trained on a non-standard corpus (see above), so results are not directly comparable to submissions trained on the official 2026 strict-small data. Single masked-LM architecture. Research artifact, not intended for deployment.

Citation

@inproceedings{bylinina2026augustinian,
  title     = {Augustinian BabyLM: What Ostensive Definition Can and Cannot
               Teach a Small Language Model},
  author    = {Bylinina, Lisa},
  booktitle = {Proceedings of the BabyLM Workshop},
  year      = {2026},
  url       = {https://openreview.net/forum?id=B4TD4XdlwF}
}

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
DebertaV2ForMaskedLM
Ревизия весов
a030a87

0 моделей