/ Модель

Характеристики

Контекст
512 токенов
Параметры
37,4 млн
Лицензия
Своя лицензия
Архитектура
deberta-v2 · dense
Библиотека
transformers
Опубликована
31 авг 2026

Qiushi-BabyLM-34M-Strict-Small-v1

Заполнение пропусковТекст → текст3 профессии

Компактная англоязычная DeBERTa-v2-модель для предсказания замаскированных слов и экспериментов BabyLM.

18скачиваний за 30 дней1лайквеса обновлены31 авг 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

Qiushi-BabyLM-34M Strict-Small v1 — англоязычная модель для заполнения пропусков, разработанная Qiushi Engine для трека BabyLM 2026 Strict-Small. Это энкодер DeBERTa-v2 с 34,47 млн параметров и контекстом 512 токенов, обученный с нуля на маскированном языковом моделировании. Модель принимает текст с замаскированными токенами и предсказывает пропущенные слова или фрагменты.

Токенизатор обучен на том же пуле из 10 млн слов, который использовался для предобучения; модель получила 100 млн предъявлений слов. Авторы сообщают о локальной оценке по совместимому с BabyLM 2026 Strict-Small протоколу и приводят результаты BLiMP, BLiMP Supplement и EWoK, но отмечают, что это пока не официальные результаты таблицы лидеров. Модель подходит для экспериментов и оценки компактных языковых моделей, а не для генерации длинных текстов или диалога. Репозиторий распространяется по лицензии other; конкретные условия следует уточнять в материалах репозитория.

Сценарии применения

  • предсказание пропущенных слов в английском тексте
  • оценка грамматической приемлемости английских предложений
  • эксперименты с компактными языковыми моделями BabyLM
  • сравнение моделей на наборах BLiMP и EWoK

Ограничения

Контекст ограничен 512 токенами; модель предназначена для заполнения масок и не является чат-моделью или генератором длинных текстов. Приведённые результаты оценки локальные и не подтверждены как официальные баллы таблицы лидеров BabyLM.

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

Qiushi-BabyLM-34M Strict-Small v1

This is a 34.47M-parameter English masked language model developed by Qiushi Engine for the BabyLM 2026 Strict-Small track.

The model is a DeBERTa-v2 encoder trained from random initialization. Qiushi Engine carried out the corpus construction, tokenizer training, pretraining, evaluation, and release audit.

Model

PropertyValue
ArchitectureDeBERTa-v2 masked language model
Parameters34,467,424
Layers8
Hidden size480
Attention heads8
FFN size1,920
Vocabulary16,384 byte-level BPE tokens
Training sequence length256
Objective15% whole-word masking

Training

The tokenizer was trained only on the same 10,000,000-word pool used for model pretraining. The model then received exactly 100,000,000 word exposures. The corpus combines permitted English sources with compact text-only semantic views generated by Qwen3.5-9B. No teacher weights, hidden states, logits, or tokenizer were transferred to the student.

The fixed-budget corpus design compresses redundant semantic views and reinvests the saved word budget in additional source diversity. Training used AdamW, a peak learning rate of 0.001, weight decay 0.01, 6% warmup, cosine decay, batch size 256, and fixed 15% whole-word masking. The primary initialization seed was 43022.

Evaluation

The following values come from a complete local run of the official-compatible BabyLM 2026 Strict-Small evaluation and collation pipeline. They are not represented as official leaderboard scores until the leaderboard server accepts and scores the submitted predictions.

MetricScore
BLiMP65.8707
BLiMP Supplement61.1657
EWoK50.3932
Entity Tracking27.4008
COMPS52.0083
(Super)GLUE70.2799
GlobalPIQA36.0631
Reading8.1382
AoA0.0000
Overall41.2578

Usage

from transformers import AutoModelForMaskedLM, AutoTokenizer

repo_id = "leslie721007/Qiushi-BabyLM-34M-Strict-Small-v1"
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForMaskedLM.from_pretrained(repo_id)

text = f"The child {tokenizer.mask_token} the book."
inputs = tokenizer(text, return_tensors="pt")
outputs = model(**inputs)

This is a research masked language model, not an instruction-tuned conversational assistant. It should not be used as a source of factual, medical, legal, or safety-critical advice.

License

This model is released for public research evaluation. Rights and conditions attached to third-party source corpora remain unaffected.

Reproducibility

SHA256SUMS records the exact hashes of the released model and tokenizer files. The public release intentionally excludes credentials, private system code, internal research traces, and operational logs.

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
7d66f9d

0 моделей