/ Модель

Характеристики

Контекст
1 024 токена
Параметры
171 млн
Лицензия
CC BY 4.0
Архитектура
deberta-v2 · dense
Базовая модель
sam-vit-base
Библиотека
transformers
Опубликована
17 июл 2026

deberta-base-75k-sam_ext-s3

Заполнение пропусковТекст → текст3 профессии

Англоязычная DeBERTa-v3-base с визуально инициализированными эмбеддингами для предсказания замаскированных слов и исследований визуального заземления.

77скачиваний за 30 дней0лайковвеса обновлены20 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

Это исследовательская модель DeBERTa-v3-base от проекта Augustinian BabyLM, предназначенная для предсказания замаскированных слов и изучения того, как визуальное заземление влияет на языковую модель небольшого размера. Веса модели содержат 170,8 млн параметров; архитектура включает 12 слоёв, 12 голов внимания и скрытый размер 768, а контекст составляет до 1024 токенов. Модель работает с текстом на английском языке.

Вариант sam_ext-s3 использует инициализацию входных эмбеддингов признаками SAM ViT-B. Для 1 151 ранее не заземлённого конкретного слова синтетически создали описания сцен, изображения и локализации объектов, а затем извлекли признаки SAM из найденных областей. Модель обучена 10 эпох на корпусе bb24.train объёмом около 9,9 млн слов; это третий вариант из трёх запусков с разными случайными seed. В описанных экспериментах визуальное заземление улучшило результаты на тестах свойств объектов, тогда как грамматические показатели остались примерно без изменений.

Модель опубликована по лицензии CC BY 4.0. Это исследовательский артефакт на нестандартном корпусе, поэтому результаты напрямую несопоставимы с моделями, обученными на официальном наборе BabyLM strict-small 2026; доступна только одна архитектура masked language model.

Сценарии применения

  • предсказание пропущенных слов в английском тексте
  • изучение влияния визуального заземления на языковые модели
  • сравнение усвоения свойств объектов небольшими языковыми моделями

Ограничения

Модель обучена на нестандартном корпусе bb24.train, поэтому результаты нельзя напрямую сравнивать с моделями, обученными на официальном BabyLM strict-small 2026. Это исследовательский артефакт одной архитектуры, не предназначенный для развёртывания.

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-75k-sam_ext-s3

Vision-seeded model with synthetically extended grounding. On top of the real region features, 1,151 previously unseeded concrete words were grounded by generating scene descriptions with an LLM, rendering them with a text-to-image model, localizing the target with an open-vocabulary detector, and pooling SAM ViT-B features inside the detected boxes (+737 seeded tokens).

Seed 3 of 3. This configuration was retrained with three random seeds: augustinian-babylm/deberta-base-75k-sam_ext-s1, augustinian-babylm/deberta-base-75k-sam_ext-s2, augustinian-babylm/deberta-base-75k-sam_ext-s3.

Baseline: augustinian-babylm/deberta-base-75k.

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-75k")
model = AutoModelForMaskedLM.from_pretrained("augustinian-babylm/deberta-base-75k-sam_ext-s3")

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, 75k merges (augustinian-babylm/babylm-bpe-75k)

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-75k-sam_ext-s3", revision="step256")

Call huggingface_hub.list_repo_refs("augustinian-babylm/deberta-base-75k-sam_ext-s3") 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. On a corpus-tailored Visual-Property Swap probe the seeded model leads the baseline in all three training seeds; a pair-level re-analysis shows that the advantage cannot be attributed to the individual seeded words. Details: https://github.com/bylinina/augustinian_babylm

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
9cc5703

0 моделей