/ Модель

Характеристики

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

Qiushi-BabyLM-35M-Strict-Small-v3

Заполнение пропусковТекст → текст3 профессии

Компактная англоязычная модель DeBERTa-v2 для предсказания замаскированных токенов и исследований предобучения на ограниченных данных.

28скачиваний за 30 дней1лайквеса обновлены1 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

Qiushi-BabyLM-35M Strict-Small v3 — англоязычная модель маскированного языкового моделирования от Qiushi Engine, созданная для предобучения с ограниченным объёмом данных в условиях BabyLM Strict-Small. Это компактный энкодер DeBERTa-v2 с 8 слоями и примерно 37,4 млн параметров; модель принимает текст длиной до 512 токенов и предсказывает замаскированные слова или токены.

Модель обучена с нуля на корпусе объёмом 10 млн слов с бюджетом около 82 млн словоупотреблений. В архитектуре используются остаточные bottleneck-адаптеры, а методика обучения включает компактные семантические представления и возврат части бюджета на разнообразный естественный текст. В карточке приведены результаты оценивания на BLiMP, BLiMP Supplement и EWoK, а также заявлено точное независимое воспроизведение контрольной точки.

Модель предназначена для экспериментов и оценивания языковых моделей при малых бюджетах данных; она не является генеративным чат-ассистентом. Для загрузки требуется доверенный код репозитория. Лицензия указана как other, без уточнения конкретных условий в предоставленной карточке.

Сценарии применения

  • предсказание пропущенных слов в английском тексте
  • оценка грамматической приемлемости английских предложений
  • эксперименты с обучением языковых моделей на малых корпусах

Ограничения

Контекст ограничен 512 токенами, а модель не предназначена для диалоговой генерации. Для загрузки необходимо разрешить доверенный код репозитория; условия лицензии обозначены только как other.

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-35M Strict-Small v3

Qiushi-BabyLM-35M-Strict-Small-v3 is a 35.46M-parameter English masked language model developed autonomously by Qiushi Engine for sample-efficient pretraining under the BabyLM Strict-Small setting.

The model combines compact-view reinvestment with zero-output residual adapters. Compact semantic views preserve useful parallel experience while returning word budget to diverse natural text. The adapters add a learnable low-rank residual pathway to each DeBERTa-v2 encoder layer while preserving the base function at initialization.

Model

PropertyValue
ArchitectureDeBERTa-v2 MLM with residual bottleneck adapters
Parameters35,463,008
Layers8
Hidden size480
Attention heads8
FFN size1,920
Adapter bottleneck128
Adapter scale1.75
Vocabulary16,384 byte-level BPE tokens
Sequence length256 tokens
Objective15% whole-word masking

Training

The tokenizer was trained on the same 10,000,000-word corpus used for model pretraining. The model was initialized from random weights and the released checkpoint was selected at exactly 82,012,495 counted word exposures.

Training used AdamW, a peak learning rate of 0.001, 6% linear warmup followed by cosine decay, an average batch size of 65,536 tokens, and seed 43022. The corpus combines BabyLM-source material, counted compact semantic views generated with Qwen3.5-9B, and reinvested natural-text diversity. The student received text only; no teacher weights, hidden states, logits, or tokenizer were transferred.

Evaluation

Complete BabyLM 2026 Strict-Small official-compatible evaluation:

MetricScore
BLiMP68.8127
BLiMP Supplement62.9290
EWoK50.2520
Entity Tracking28.3731
COMPS52.4293
(Super)GLUE69.7662
GlobalPIQA36.3495
Reading8.5705
AoA0.0000
Overall41.9425

The checkpoint was independently reproduced from the training corpus with an identical model SHA-256 and identical logits. The full prediction carrier also includes all required fast-checkpoint evaluations.

Usage

The adapter implementation is part of the model, so trusted repository code must be enabled:

from transformers import AutoModelForMaskedLM, AutoTokenizer

repo_id = "leslie721007/Qiushi-BabyLM-35M-Strict-Small-v3"
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForMaskedLM.from_pretrained(
    repo_id,
    trust_remote_code=True,
)

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 rather than an instruction-tuned chat model.

Integrity

SHA256SUMS records the exact public artifact identities. Credentials, private system code, local paths, internal traces, and operational logs are excluded. See METHOD.md for the public method summary.

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
AdapterDebertaV2ForMaskedLM
Ревизия весов
503d07b

0 моделей