/ Модель

Характеристики

Контекст
514 токенов
Параметры
153 млн
Лицензия
CC BY 4.0
Архитектура
roberta · dense
Библиотека
transformers
Опубликована
13 мая 2025

TICL

Заполнение пропусковТекст → текст3 профессии

Англоязычная RoBERTa-модель для предсказания скрытых токенов, обученная на 10 млн слов с помощью curriculum learning для конкурса BabyLM 2025.

2 854скачиваний за 30 дней0лайковвеса обновлены13 авг 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

TICL — англоязычная маскированная языковая модель на архитектуре RoBERTa, разработанная для участия в категории strict-small конкурса BabyLM 2025. Модель содержит 153,2 млн параметров, обучена на корпусе объёмом 10 млн слов с использованием обучения по учебной последовательности, основанной на влиянии обучающих данных. Контекст модели — 514 токенов.

Модель предназначена для предсказания скрытых токенов в английском тексте и исследования влияния стратегии обучения на модели, обученные на ограниченных объёмах данных. В обучающую смесь входят детская речь, детские книги, диалоги, образовательные тексты и письменный английский. В оценке BabyLM 2025 приведены результаты на SuperGLUE, BLiMP и дополнительных наборах; карточка не описывает модель как специализированный инструмент для прикладных задач. Распространяется по лицензии CC BY 4.0.

Сценарии применения

  • восстановление пропущенных слов в английском тексте
  • оценка вероятности вариантов заполнения пропуска
  • исследование обучения языковых моделей на малых корпусах

Ограничения

Обучена на ограниченном корпусе в 10 млн слов, поэтому её возможности могут уступать моделям, обученным на больших массивах данных. Карточка приводит результаты только по отдельным бенчмаркам BabyLM и не описывает прикладную проверку.

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

Model Card for TICL

A RoBERTa model pre-trained on a dataset of 10M words using (Training Data) Influence-driven Curriculum Learning.

Model Details

See our paper at REDACTED for details on our method.

Model Description

This is a model submitted to the strict-small track of the 2025 BabyLM challenge.

  • Developed by: REDACTED
  • Funded by [optional]: REDACTED
  • Model type: Language model (Masked)
  • Language(s) (NLP): eng
  • License: CC-By-4.0

Model Sources

Uses

This model was trained to demonstrate the effectiveness of a novel curriculum learning method over training in random order.

Training Details

Training Data

We utilize this dataset built from the following existing ones:

Data mix

WordsDocuments
C1: Child Directed Speech199999920.00%36053333.68%
C2: Children's Books199999520.00%773847.23%
C3: Dialogue199998720.00%34965032.67%
C4: Educational199999920.00%16155415.09%
C5: Written English199994520.00%12120011.32%

Training Procedure

We extract training data influence estimates from models trained in random order, and sort the training data based on that information with various strategies detailed in the paper. This is the overall best performing model in our experiments, trained in order of increasing influence and re-weighted with lognormal filter, see the paper for details.

Training Hyperparameters

We employ a novel curriculum learning strategy in which the model is trained in non-random order with a total of 100M words.

Parameter
Shared Hyperparameters
Vocabulary size52k
Hidden size768
Number of layers12
Number of attention heads12
Initializer range0.02
Tie word embeddingsTrue
Model-Specific Settings
Max position embeddings514
Intermediate (FFN) size3072
Norm epsilon1e-5
Attention dropout0.1
Activation functiongelu
Hidden dropout0.1
Training Setup
FP16False
Per Device Batch Size32
Gradient Accumulation Steps16
GPUs4
Adam β₁0.9
Adam β₂0.98
Adam ε1e-6
Weight Decay ε0.01
Learning rate5e-4
Schedulerpolynomial

Evaluation

We use this evaluation pipeline of the 2025 BabyLM challange

Results

TaskMetric
(Super) GLUE0.579
blimp_filtered0.688
supplement_filtered0.559
entity_tracking0.302
ewok_filtered0.509
wug_adj_nominalization0.570
**Macro acc **0.584

Model Card Contact

REDACTED

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
RobertaForMaskedLM
Ревизия весов
989d402

0 моделей