/ Модель

Характеристики

Контекст
512 токенов
Параметры
31,1 млн
Лицензия
Своя лицензия
Архитектура
tolm · dense
Библиотека
transformers
Опубликована
15 июл 2026

mosaic-joint-d384-bbpe16k

Заполнение пропусковТекст → текст

Компактная англоязычная masked-LM модель BabyLM для заполнения пропусков и экспериментов с обучающими рецептами.

11скачиваний за 30 дней0лайковвеса обновлены21 июл 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

Это компактная англоязычная модель с маскированным энкодером LTG-BERT-style и относительным вниманием, выпущенная как один чекпойнт контролируемого семейства из пяти запусков BabyLM Strict-Small. В карточке указано 12 слоёв и 384 скрытых измерения; метаданные каталога указывают 31,1 млн параметров, а README — 33 320 644 параметра.

Модель предназначена для восстановления замаскированных токенов и экспериментов с небольшими языковыми моделями. При обучении использовались curriculum сложности, рекомбинация половин документов по редким токенам и вспомогательная шумная причинная цель для четверти строк батча; основной двунаправленный MLM сохранял полный контекст. Чекпойнт оценивался на BabyLM fast suite, однако результаты не являются рейтингом или доказательством превосходства.

Это небольшой masked LM, а не универсальный чат-ассистент. Один запуск не позволяет оценить вариативность между запусками или обосновать причинные выводы о рецепте обучения. Лицензия указана как other.

Сценарии применения

  • восстановление замаскированных слов в английском тексте
  • оценка вероятности вариантов заполнения пропусков
  • эксперименты с небольшими masked language models
  • сравнительная оценка моделей на наборе BabyLM fast suite

Ограничения

Это один обученный запуск, поэтому он не оценивает вариативность между запусками; модель мала и не предназначена для роли универсального чат-ассистента. Результаты оценки не являются рейтингом или доказательством превосходства, а описанный рецепт сам по себе не подтверждает причинные выводы о детском обучении или памяти.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Joint training-operation checkpoint

This repository contains one trained member of a controlled five-run BabyLM Strict-Small family. The runs share source data, tokenizer, backbone, initialization seed, primary masked-language-model objective, main optimization schedule, and nominal exposure. There is one trained run per recipe, and added objectives require unequal training compute. Comparisons are descriptive.

Model and data

PropertyValue
Architecturecustom LTG-BERT-style masked encoder with relative attention
Parameters33,320,644
Layers / hidden size12 / 384
Attention heads / FFN size6 / 1,280
Context length512
Tokenizerbyte-level BPE, 16,384 entries
Primary objectivecomplementary whole-word masking + data2vec
Source corpus9,572,138 words
Deterministic replay427,862 words
Corpus per pass10,000,000 words
Nominal exposure100,000,000 words

Training operations

This run combines two training-only operations:

  • A complexity curriculum and rare-token-linked document-half recombination.
  • A noisy causal auxiliary objective on one quarter of batch rows. The primary bidirectional masked LM keeps its complete context.

The operations change corpus presentation and add an auxiliary prediction loss. One trained run cannot identify an interaction, empirical variation-set learning, or a human memory mechanism.

Shared training settings include LAMB with peak learning rate 0.0035, a cosine schedule with 1.6% warmup and cooldown, bfloat16, 16,384 tokens per update, data2vec weight 0.5, and EMA decay 0.9998.

Usage

from transformers import AutoModelForMaskedLM, AutoTokenizer

repo_id = "miguelcsx/mosaic-joint-d384-bbpe16k"

tokenizer = AutoTokenizer.from_pretrained(repo_id, revision="main")
model = AutoModelForMaskedLM.from_pretrained(
    repo_id,
    revision="main",
    trust_remote_code=True,
)

main and chck_100M contain the final checkpoint. Earlier checkpoints are stored as chck_1M through chck_10M, then chck_20M through chck_90M.

Remote code is required for the custom inference class. Review tolm.py before loading it in a security-sensitive environment. The canonical code is maintained at github.com/miguelcsx/tolm.

Evaluation and provenance

All required checkpoint revisions were evaluated with the same BabyLM fast suite used for the controlled family. These outputs are local development evidence, not a leaderboard rank or a superiority claim. Machine-readable configuration and file provenance are recorded in training_manifest.json and release_manifest.json.

Limitations

  • This is one trained run, so it does not estimate training-run variance.
  • The model is a small English masked LM, not a general-purpose assistant.
  • The recipe label describes implemented operations. It does not establish child-like input or memory processing, or causal claims about children.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
TOLMForMaskedLM
Ревизия весов
5664f1a

0 моделей