/ Модель

Характеристики

Контекст
1 024 токена
Параметры
138 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Библиотека
transformers
Опубликована
12 дек 2025

ogbert-110m-base

Заполнение пропусковТекст → текст3 профессии

Англоязычная модель ModernBERT для предсказания замаскированных слов в глоссариях и специализированных текстах.

85скачиваний за 30 дней0лайковвеса обновлены12 дек 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

OGBert-110M-Base — англоязычная модель ModernBERT с архитектурой masked language model, разработанная для работы с глоссариями и специализированными текстами. Она обучена предсказывать замаскированные токены и подходит для заполнения пропусков в тексте, а также для извлечения контекстуальных представлений слов в прикладных экспериментах.

В модели 138,4 млн параметров по метаданным (в README указано 110 млн), размер скрытого состояния — 768, длина контекста — до 1024 токенов. Обучение проводилось на синтетическом энциклопедическом словаре OpenGloss: около 537 тыс. значений для 150 тыс. лексем; README сообщает о 8 тыс. шагах обучения и обработке примерно 4,5 млрд токенов. Репозиторий содержит веса в формате safetensors. Для поиска сходства предложений автор рекомендует отдельную модель mjbommar/ogbert-110m-sentence с pooling и L2-нормализацией.

Модель может быть полезна для восстановления пропущенных слов и получения контекстуальных представлений в специализированных корпусах; приведённые в карточке результаты по сходству слов и кластеризации относятся к ограниченным тестовым наборам. Это не генеративная чат-модель. Лицензия — Apache-2.0.

Сценарии применения

  • восстановление пропущенных слов в специализированных текстах
  • подбор контекстуально подходящего термина
  • оценка вероятных вариантов заполнения текстового пропуска

Ограничения

Модель обучалась на синтетическом энциклопедическом словаре и специализированных текстах, поэтому её результаты на иных типах данных могут отличаться. Для эмбеддингов предложений автор рекомендует отдельную версию OGBert-110M-Sentence.

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

OGBert-110M-Base

A 110M parameter ModernBERT-based masked language model trained on glossary and domain-specific text.

Related models:

Model Details

PropertyValue
ArchitectureModernBERT
Parameters110M
Hidden size768
Layers12
Attention heads12
Vocab size32,768
Max sequence1,024 tokens

Training

  • Task: Masked Language Modeling (MLM)
  • Dataset: mjbommar/ogbert-v1-mlm - derived from OpenGloss, a synthetic encyclopedic dictionary with 537K senses across 150K lexemes
  • Masking: Standard 15% token masking
  • Training steps: 8,000 steps (selected for optimal downstream performance)
  • Tokens processed: ~4.5B
  • Batch size: 1,024
  • Peak learning rate: 3e-4

Performance

Word Similarity (SimLex-999)

SimLex-999 measures Spearman correlation between model cosine similarities and human judgments on 999 word pairs. Higher = better alignment with human perception of word similarity.

ModelParamsSimLex-999 (ρ)
OGBert-110M-Base110M0.345
BERT-base110M0.070
RoBERTa-base125M-0.061

OGBert-110M-Base achieves 5x better word similarity than BERT-base with the same parameter count.

Document Clustering

Evaluated on 80 domain-specific documents across 10 categories using KMeans.

ModelParamsARICluster Acc
OGBert-110M-Base110M0.9410.975
BERT-base110M0.8960.950
RoBERTa-base125M0.9410.975

OGBert-110M-Base matches or exceeds RoBERTa-base on clustering tasks.

Usage

Fill-Mask Pipeline

from transformers import pipeline

fill_mask = pipeline('fill-mask', model='mjbommar/ogbert-110m-base')
result = fill_mask('The financial <|mask|> was approved.')

Direct Model Usage

from transformers import AutoModelForMaskedLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained('mjbommar/ogbert-110m-base')
model = AutoModelForMaskedLM.from_pretrained('mjbommar/ogbert-110m-base')

inputs = tokenizer('The <|mask|> definition is clear.', return_tensors='pt')
outputs = model(**inputs)

For Sentence Embeddings

Use mjbommar/ogbert-110m-sentence instead, which includes mean pooling and L2 normalization for optimal similarity search.

Citation

If you use this model, please cite the OpenGloss dataset:

@article{bommarito2025opengloss,
  title={OpenGloss: A Synthetic Encyclopedic Dictionary and Semantic Knowledge Graph},
  author={Bommarito II, Michael J.},
  journal={arXiv preprint arXiv:2511.18622},
  year={2025}
}

License

Apache 2.0

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
2d258b4

0 моделей