/ Модель

Характеристики

Контекст
8 192 токена
Параметры
140 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Базовая модель
mmBERT-small
Библиотека
transformers
Опубликована
20 фев 2026

mmBERT-small

Заполнение пропусковТекст → текст6 профессий

Компактный мультиязычный энкодер ModernBERT для восстановления пропущенных токенов и получения контекстных представлений текста.

82скачиваний за 30 дней0лайковвеса обновлены20 фев 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

datalama/mmBERT-small — мультиязычный чекпойнт энкодера ModernBERT, перенесённый из модели jhu-clsp/mmBERT-small и подготовленный для Transformers v5. Модель содержит 140,5 млн параметров, имеет 22 слоя и скрытый размер 384; контекст — до 8192 токенов. В метаданных основная задача указана как fill-mask, а базовая модель описана как компактный мультиязычный энкодер для заполнения пропусков и создания контекстных представлений более чем на 1800 языках.

Чекпойнт подходит для восстановления замаскированных токенов и получения контекстных представлений текста в мультиязычных сценариях. Разработчик карточки выполнил перенос весов из pytorch_model.bin в safetensors и добавил настройки RoPE для совместимости с Transformers v5; в README указано, что все 138 тензоров после конвертации побитово совпадают с оригиналом, а различие выходов при проверке на четырёх многоязычных предложениях было небольшим. Лицензия — Apache-2.0. Подробности обучения и бенчмарки следует смотреть в карточке исходной модели.

Сценарии применения

  • восстановление замаскированных слов в многоязычном тексте
  • создание контекстных представлений предложений
  • извлечение признаков текста для последующей классификации
  • обработка текстов на множестве языков

Ограничения

README не приводит подробностей обучения и бенчмарков; для них дана ссылка на карточку исходной модели. Модель предназначена для задач энкодера и восстановления пропусков, а не для свободной генерации текста.

Для каких профессий подходит6

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

mmBERT-small

Transformers v5 compatible checkpoint of jhu-clsp/mmBERT-small.

Parameters140M
Hidden size384
Layers22
Attention heads6
Max seq length8,192
RoPE theta160,000 (both global & local)

Usage (transformers v5)

from transformers import ModernBertModel, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("datalama/mmBERT-small")
model = ModernBertModel.from_pretrained("datalama/mmBERT-small")

inputs = tokenizer("인공지능 기술은 빠르게 발전하고 있습니다.", return_tensors="pt")
outputs = model(**inputs)

# [CLS] embedding (384-dim)
cls_embedding = outputs.last_hidden_state[:, 0, :]

For masked language modeling:

from transformers import ModernBertForMaskedLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("datalama/mmBERT-small")
model = ModernBertForMaskedLM.from_pretrained("datalama/mmBERT-small")

inputs = tokenizer("The capital of France is [MASK].", return_tensors="pt")
outputs = model(**inputs)

Migration Details

This checkpoint was migrated from jhu-clsp/mmBERT-small with the following changes:

1. Weight format: pytorch_model.bin → model.safetensors

  • Tied weights (model.embeddings.tok_embeddings.weight ↔ decoder.weight) were cloned to separate tensors before saving
  • All 138 tensors verified bitwise equal after conversion

2. Config: Added explicit rope_parameters for transformers v5

{
  "global_rope_theta": 160000,
  "local_rope_theta": 160000,
  "rope_parameters": {
    "full_attention": {"rope_type": "default", "rope_theta": 160000.0},
    "sliding_attention": {"rope_type": "default", "rope_theta": 160000.0}
  }
}

The original flat fields (global_rope_theta, local_rope_theta) are preserved for backward compatibility. In transformers v5, ModernBertConfig defaults sliding_attention.rope_theta to 10,000 — but mmBERT uses 160,000 for both, so explicit rope_parameters are required.

Verification

Cross-environment verification was performed between transformers v4 (original) and v5 (this checkpoint):

CheckResult
RoPE configrope_parameters present, theta=160,000 for both attention types
Weight integrity138 tensors bitwise equal (jhu-clsp .bin vs datalama .safetensors)
Inference outputv4 vs v5 max diff across 4 multilingual sentences: 1.14e-05
Fine-tuning readinessTokenizer roundtrip, forward+backward pass, gradient propagation — all OK

Credit

Original model by JHU CLSP. See the original model card for training details and benchmarks.

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
310ba72

0 моделей