/ Модель

Характеристики

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

Qiushi-BabyLM-36M-Strict-Small-v4

Заполнение пропусковТекст → текст3 профессии

Англоязычная модель DeBERTa-v2 на 37,4 млн параметров для восстановления замаскированных слов и экспериментов по языковым представлениям в условиях ограниченного обучения.

82скачиваний за 30 дней2лайкавеса 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-36M-Strict-Small-v4 — англоязычная модель маскированного языкового моделирования, разработанная Qiushi Engine для направления BabyLM 2026 Strict-Small. Она предназначена для восстановления замаскированных слов, оценки языковой приемлемости и экспериментов по получению языковых представлений на ограниченном объёме данных. Модель использует энкодер DeBERTa-v2 с 8 слоями, размером скрытого состояния 480 и 8 головами внимания; в каждом слое есть два остаточных адаптера с узким местом размерности 128. Всего в модели 37,4 млн параметров, словарь токенизатора содержит 16 384 элемента, контекст ограничен 512 токенами.

Обучение проведено в рамках лимита BabyLM Strict-Small: корпус включает 10 млн слов, а опубликованный конечный чекпойнт соответствует 86 005 295 учтённым предъявлениям слов. В README приведены результаты локальной оценки на BLiMP, BLiMP Supplement и EWoK, но они сами по себе не подтверждают результат на серверной таблице лидеров. Модель не настроена на выполнение инструкций или диалог; результаты общего характера требуют проверки на дополнительных запусках и семействах моделей. Лицензия указана как other, поэтому условия использования следует сверить с файлами репозитория.

Сценарии применения

  • восстановление пропущенных слов в английских предложениях
  • оценка языковой приемлемости предложений
  • сравнение языковых представлений компактных моделей
  • эксперименты BabyLM с ограниченным бюджетом обучающих данных

Ограничения

Модель не является диалоговой и не настроена на выполнение инструкций. README отмечает, что обобщённые выводы о предложенном механизме требуют дополнительных запусков с разными случайными инициализациями и семействами моделей; лицензия обозначена 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-36M-Strict-Small-v4

Qiushi-BabyLM-36M-Strict-Small-v4 is a 36.46M-parameter masked language model developed by Qiushi Engine for BabyLM 2026 Strict-Small. Qiushi Engine drove the research loop from hypothesis formation and controlled ablations through training, evaluation, and reproducible release preparation.

Result

The complete local official-compatible evaluation is:

MetricScore
BLiMP68.5100
BLiMP Supplement63.6400
EWoK50.0200
Entity Tracking28.3200
COMPS52.0500
GlobalPIQA38.5650
(Super)GLUE69.8192
Reading8.1650
AoA0.0000
Overall42.1210

The Fast checkpoint package contains all 133 expected prediction records, and AoA was measured over 19 checkpoints with 8,005 contexts per checkpoint. This is a local official-compatible result; leaderboard identity is established only after separate server-side submission and scoring.

Evaluation and checkpoints

  • The complete full-plus-Fast prediction bundle is published under submission/.
  • The 19 official Fast checkpoints are published as Hugging Face revisions: chck_1M through chck_10M, followed by chck_20M through chck_100M in 10M increments.
  • See CHECKPOINTS.md, TRAINING.md, and DATA.md for the public provenance and reproduction description.

Research contribution

The model combines two evidence-backed ideas found through Qiushi Engine's research:

  1. Compact-view reinvestment. Meaning-preserving compact views reduce redundant wording, and the recovered fixed word budget is reinvested in diverse natural-language experience. The full training pool remains within 10M words.
  2. Dual-path residual consolidation. An existing residual pathway preserves broad competence while a zero-output residual pathway is attached and trained during a short coherent continuation. Its calibrated contribution balances adaptation against retention without replacing the original pathway.

The tokenizer has 16,384 entries and was trained only on the same counted 10M-word training pool. The released endpoint represents 86,005,295 counted word exposures. Compact views were generated from training-corpus sentences with Qwen3.5-9B and were counted inside the data budget.

Architecture

  • DeBERTa-v2 encoder: 8 layers, hidden size 480, 8 attention heads
  • Two 128-dimensional bottleneck residual adapters per encoder layer
  • 36,458,592 parameters
  • Masked language modeling with whole-word masking
  • Maximum training sequence length: 256 tokens

Usage

from transformers import AutoModelForMaskedLM, AutoTokenizer

repo = "leslie721007/Qiushi-BabyLM-36M-Strict-Small-v4"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForMaskedLM.from_pretrained(repo, trust_remote_code=True)
model.eval()

trust_remote_code=True is required because the residual architecture extends the native Transformers DeBERTa-v2 implementation.

Scope and limitations

This is an English masked language model for representation learning, scoring, and fill-mask experiments. It is not an instruction-tuned conversational model. The release documents one high-performing endpoint; broader claims about the general mechanism require additional seeds and model families.

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
QiushiDualPathDebertaV2ForMaskedLM
Ревизия весов
677c1aa

0 моделей