/ Модель

Характеристики

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

babylm-strict-small-coherent86

Заполнение пропусковТекст → текст3 профессии

Экспериментальная англоязычная модель DeBERTa-v2 для предсказания скрытых слов и исследований BabyLM Strict-Small.

19скачиваний 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

leslie721007/babylm-strict-small-coherent86 — экспериментальный англоязычный masked language model для предсказания скрытых слов в тексте. Модель разработана как кандидат для задачи BabyLM Strict-Small: она основана на контрольной точке chck_82M и включает замороженный медленный путь и частный быстрый путь. Архитектура — DeBERTa-v2; в метаданных указано 37,4 млн параметров, а README сообщает 36 458 592 параметра. Контекст — 512 токенов.

Модель предназначена для заполнения пропусков и исследования обучения на ограниченных объёмах языковых данных. В README описаны результаты локальной проверки и воспроизводимость контрольной точки, однако автор отдельно подчёркивает, что результаты не доказывают общий механизм обучения с медленным и быстрым путями. Для загрузки требуется trust_remote_code=True; без него Transformers может игнорировать частные тензоры адаптера и создать функционально иную модель. Лицензия в метаданных обозначена как other.

Сценарии применения

  • восстановление скрытых слов в предложениях
  • оценка правдоподобия вариантов заполнения пропуска
  • эксперименты с предобучением на ограниченном объёме текста

Ограничения

Для получения заявленной функциональности требуется загрузка с trust_remote_code=True; без неё частные тензоры быстрого пути могут быть проигнорированы. README отмечает, что результаты этой модели сами по себе не подтверждают общий механизм slow-fast learning.

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

BabyLM Strict-Small coherent86 private fast-path endpoint

Repository target: leslie721007/babylm-strict-small-coherent86
Revision hint at construction time: main

This repository contains a BabyLM Strict-Small masked-language-model endpoint candidate built from the verified scale1.75 chck_82M model plus a frozen-anchor coherent 4M private fast-path suffix. It is a score-bearing endpoint candidate, not proof by itself of a general slow-fast learning mechanism.

Loading requirement

Use trust_remote_code=True:

from transformers import AutoModelForMaskedLM, AutoTokenizer
repo = "leslie721007/babylm-strict-small-coherent86"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForMaskedLM.from_pretrained(repo, trust_remote_code=True)

Without trusted code, Transformers may instantiate native DebertaV2ForMaskedLM and silently ignore the private adapter tensors. That is a different scientific function and is not the scored model.

Model identity

  • Model class: FrozenSlowPrivateDebertaV2ForMaskedLM
  • Total parameters: 36,458,592
  • Frozen slow-path parameters: 35,463,008
  • Private fast-path parameters: 995,584
  • Source checkpoint SHA256: e14d757ae51b41e33bf0813f841248fecd1eefeb9e040f520c4c6203343b15c8
  • Tokenizer JSON SHA256: a9cbb830495cb92bbb2996adc256207746282ee67f4f8d40a4f646a634ec139a
  • Initial anchor exposure: 82,012,495 counted words
  • Coherent private suffix exposure: 3,992,800 counted words
  • Total exposure represented by this endpoint: 86,005,295 counted words

Local official-compatible score arithmetic

The prediction carrier under submission/ is truthful to this endpoint: it uses Step150 zero-shot/reading predictions and Step151 SuperGLUE predictions from the same coherent86 model. It represents AoA only as scalar 0.0 and does not include or borrow the protected 82M fast-checkpoint history.

columnscoredelta vs submitted chck_82M
Overall (AoA=0 scalar)42.058107584921+0.115626
BLiMP68.520000+0.028716
Supplement63.650000+0.712189
EWoK49.910000-0.145453
Entity28.440000+0.125958
COMPS51.990000-0.201175
SuperGLUE69.777968+0.011787
GlobalPIQA38.065000+0.487330
Reading8.170000+0.021286
AoA0.000000+0.000000

The current Strict-Small prediction validator accepted the carrier locally with message Upload successful. before upload.

Scientific status

This endpoint is bit-reproducible in the session: the original Step150 coherent 4M run and Step151 exact replay produced identical model.safetensors SHA256. Paired item-transition and flip-overlap analyses show competence redistribution rather than broad added decisions: coherent86 improves the aggregate arithmetic but has negative net discrete item movement relative to the 82M anchor and low overlap with the shuffled86 fast-path null. The protected public chck_82M submission remains the fallback unless this coherent86 endpoint is separately uploaded and accepted by the live leaderboard.

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
FrozenSlowPrivateDebertaV2ForMaskedLM
Ревизия весов
ad12835

0 моделей