/ Модель

Характеристики

Контекст
576 токенов
Параметры
33,4 млн
Лицензия
MIT
Архитектура
radical-modernbert · dense
Библиотека
transformers
Опубликована
1 июн 2026

chinese-babylm-2026-v3

Заполнение пропусковТекст → текст3 профессии

Компактная китайская DeBERTaV2, обученная с нуля для предсказания замаскированных токенов и экспериментов с пониманием языка на данных BabyLM.

5 597скачиваний за 30 дней0лайковвеса обновлены12 июн 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

Компактная модель DeBERTaV2 для заполнения пропусков в китайском тексте. Её разработали как submission для Chinese BabyLM 2026 Challenge (NLPCC 2026); модель обучена с нуля на корпусе китайских текстов, адресованных детям и созданных детьми, из набора chinese-babylm-org/babylm-zho-100M.

Модель использует архитектуру DeBERTaV2ForMaskedLM с disentangled attention и относительными позиционными представлениями. В README указано около 6 млн параметров, WordPiece-токенизатор с китайским словарём из 8 000 токенов и максимальная длина последовательности 256 токенов. Метаданные каталога при этом указывают 33,4 млн параметров и контекст 576 токенов, поэтому размер и длина контекста противоречивы.

Модель подходит для экспериментов с языковым моделированием на ограниченных данных и оценки понимания китайского языка; в описанных абляционных испытаниях она показала лучшие результаты среди сравниваемых вариантов на NLU-треке. Это маскированная языковая модель, а не модель для свободной генерации диалога. Лицензия — MIT.

Сценарии применения

  • заполнение пропусков в китайских предложениях
  • предсказание замаскированных китайских токенов
  • эксперименты по пониманию китайского языка на ограниченных данных

Ограничения

Модель предназначена для маскированного языкового моделирования и не является чат-моделью или моделью свободной генерации. README и метаданные расходятся по числу параметров и длине контекста: соответственно 6 млн против 33,4 млн и 256 против 576 токенов.

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

Chinese BabyLM 2026 — DeBERTaV2 (v3)

Submission for the Chinese BabyLM 2026 Challenge (NLPCC 2026).

Model Description

A compact DeBERTaV2 masked language model pretrained from scratch on Chinese child-directed and child-produced text. Designed for data-constrained language modeling with a pure-Chinese WordPiece tokenizer.

  • Architecture: DeBERTaV2ForMaskedLM (disentangled attention, relative position)
  • Parameters: ~6M (256h / 4L / 4H / 1024ff)
  • Tokenizer: WordPiece, vocab=8000 (limit_alphabet=2000), NFKC + lowercase
  • Sequence length: 256 tokens
  • Training: 5000 steps, batch=128, lr=5e-4, bf16, dynamic span masking (mean_span=3.0)
  • Data: Full chinese-babylm-org/babylm-zho-100M corpus (183K documents)

Results

Best model from a 2x3 ablation study (architecture x radical embedding):

ModelNLUHANZICogOverall
DeBERTaV2 (this model)60.2284.1531.1458.50
BERT plain58.4985.2531.4158.38
ModernBERT plain59.6180.8831.3457.28

Key findings:

  • Tokenizer granularity is the primary factor for HANZI track performance (8K vocab >> 32K vocab)
  • DeBERTaV2 achieves the highest NLU scores (zhoblimp: 69.89)
  • Radical embedding hurts performance with character-level tokenization

Usage

from transformers import AutoModelForMaskedLM, AutoTokenizer

model = AutoModelForMaskedLM.from_pretrained("exusiaiw/chinese-babylm-2026-v3")
tokenizer = AutoTokenizer.from_pretrained("exusiaiw/chinese-babylm-2026-v3")

Citation

Chinese BabyLM 2026 Challenge — NLPCC 2026 Workshop

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
RadicalModernBertForMaskedLM
Ревизия весов
a04f65e

0 моделей