/ Модель

Характеристики

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

mosaic-views-d384-bbpe16k

Заполнение пропусковТекст → текст3 профессии

Небольшая англоязычная masked language model для предсказания пропущенных токенов и экспериментов в рамках BabyLM Strict-Small.

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 обученная модель семейства BabyLM Strict-Small, выпущенная miguelcsx как один из пяти контрольных запусков с разными рецептами обучения. Она предназначена для экспериментов с малыми языковыми моделями и обработки английского текста через предсказание замаскированных токенов.

Модель использует пользовательский masked encoder в стиле LTG-BERT с относительным вниманием; в карточке указано 12 слоёв и размер скрытого представления 384, а метаданные сообщают 31,1 млн параметров. Основная цель обучения — masked language modeling, а в каталоге также отмечена возможность генерации текста. Обучение использовало корпус BabyLM 2026 с BPE-токенизатором и дополнительный компонент data2vec.

Это исследовательский контрольный чекпойнт, а не универсальный диалоговый помощник. Один запуск не позволяет оценить разброс между запусками; описанная операция задаёт способ подачи корпуса и сама по себе не подтверждает выводы о детском усвоении языка или причинные эффекты. Лицензия указана как other, поэтому условия использования следует сверить с файлами репозитория.

Сценарии применения

  • заполнение пропусков в английском тексте
  • оценка вероятности и контекста английских слов
  • эксперименты с малыми языковыми моделями
  • сравнение рецептов обучения на корпусе BabyLM

Ограничения

Это один обученный запуск, поэтому он не оценивает вариативность между запусками; модель мала и не предназначена для роли универсального помощника. Рецепт обучения не подтверждает выводы о детском усвоении языка или причинных эффектах; 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

Recombined curriculum 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 operation

Documents are ordered by subword tokens per word. The eligible fraction grows from 30% by 35 percentage points per epoch. On 40% of document visits, the first half is joined to the second half of a neighboring document that shares one of the source document's rare eligible tokens.

This is a corpus-presentation intervention. It is not an empirical variation-set manipulation and does not establish an effect on child language learning.

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-views-d384-bbpe16k"

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

main contains the final 100M-word checkpoint. Earlier checkpoints are stored as chck_1M through chck_10M, then chck_20M through chck_90M. This repository has no chck_100M branch.

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

The 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 an implemented operation. It does not establish child-like input processing or a causal claim 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
cdb65df

0 моделей