/ Модель

Характеристики

Контекст
8 192 токена
Параметры
187 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Библиотека
transformers
Опубликована
16 мар 2025

llm-jp-modernbert-base

Заполнение пропусковТекст → текст3 профессии

Японская модель ModernBERT для заполнения пропусков в тексте и задач понимания языка с контекстом до 8192 токенов.

6 609скачиваний за 30 дней12лайковвеса обновлены18 июн 2025

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

llm-jp/llm-jp-modernbert-base — японская модель на архитектуре ModernBERT-base, разработанная проектом llm-jp. Это плотная модель с 186,8 млн параметров, обученная на японской части корпуса llm-jp-corpus v4 объёмом 3,4 ТБ с использованием llm-jp-tokenizer. Модель предназначена для заполнения пропусков в тексте и понимания японского языка; её проверяли на задачах JSTS, JNLI и JCoLA из набора JGLUE.

Модель поддерживает последовательности длиной до 8192 токенов. Обучение проходило в два этапа: сначала с максимальной длиной 1024 токена, затем — 8192. Для работы используется библиотека Transformers, веса доступны в формате safetensors. Лицензия — Apache-2.0. Карточка приводит результаты сравнительной оценки, но не описывает ограничения и не обещает качество на других задачах.

Сценарии применения

  • восстановление пропущенных слов в японском тексте
  • оценка семантического сходства японских предложений
  • определение логического следования между японскими предложениями
  • оценка грамматической приемлемости японских предложений

Ограничения

Карточка описывает оценку на JSTS, JNLI и JCoLA, поэтому качество на других задачах не установлено. Модель рассчитана на японский язык.

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

llm-jp-modernbert-base

📄 Paper | 🧑‍💻 Code

This model is based on the modernBERT-base architecture with llm-jp-tokenizer. It was trained using the Japanese subset (3.4TB) of the llm-jp-corpus v4 and supports a max sequence length of 8192.

For detailed information on the training methods, evaluation, and analysis results, please visit at llm-jp-modernbert: A ModernBERT Model Trained on a Large-Scale Japanese Corpus with Long Context Length

Usage

Please install the transformers library.

pip install "transformers>=4.48.0"

If your GPU supports flash-attn 2, it is recommended to install flash-attn.

pip install flash-attn --no-build-isolation

Using AutoModelForMaskedLM:

from transformers import AutoTokenizer, AutoModelForMaskedLM

model_id = "llm-jp/llm-jp-modernbert-base"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForMaskedLM.from_pretrained(model_id)

text = "日本の首都は<MASK|LLM-jp>です。"
inputs = tokenizer(text, return_tensors="pt")
outputs = model(**inputs)

# To get predictions for the mask:
masked_index = inputs["input_ids"][0].tolist().index(tokenizer.mask_token_id)
predicted_token_id = outputs.logits[0, masked_index].argmax(axis=-1)
predicted_token = tokenizer.decode(predicted_token_id)
print("Predicted token:", predicted_token)
# Predicted token:  東京

Training

This model was trained with a max_seq_len of 1024 in stage 1, and then with a max_seq_len of 8192 in stage 2.

Training code can be found at https://github.com/llm-jp/llm-jp-modernbert

Modelstage 1stage 2
max_seq_len10248192
max_steps500,000200,000
Total batch size3328384
Peak LR5e-45e-5
warmup step24,000
LR scheduleLinear decay
Adam beta 10.9
Adam beta 20.98
Adam eps1e-6
MLM prob0.30
Gradient clipping1.0
weight decay1e-5
line_by_lineTrue

The blank in stage 2 indicate the same value as in stage 1.

Evaluation

JSTS, JNLI, and JCoLA from JGLUE were used. Evaluation code can be found at https://github.com/llm-jp/llm-jp-modernbert

ModelJSTS (pearson)JNLI (accuracy)JCoLA (accuracy)Avg
tohoku-nlp/bert-base-japanese-v30.9200.9120.8800.904
sbintuitions/modernbert-ja-130m0.9160.9270.8680.904
sbintuitions/modernbert-ja-310m0.9320.9330.8830.916
llm-jp/llm-jp-modernbert-base0.9180.9130.8440.892

LICENSE

Apache License, Version 2.0

Citation

@misc{sugiura2025llmjpmodernbertmodernbertmodeltrained,
      title={llm-jp-modernbert: A ModernBERT Model Trained on a Large-Scale Japanese Corpus with Long Context Length}, 
      author={Issa Sugiura and Kouta Nakayama and Yusuke Oda},
      year={2025},
      eprint={2504.15544},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2504.15544}, 
}

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
ModernBertForMaskedLM
Ревизия весов
1dab128

0 моделей