/ Модель

Характеристики

Контекст
512 токенов
Параметры
112 млн
Лицензия
Своя лицензия
Библиотека
transformers
Опубликована
13 июл 2026

babylm_strict_small_2026

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная модель BabyLM 2026 для заполнения пропусков и исследовательской оценки языковых моделей, обученных на ограниченном объёме данных.

19скачиваний за 30 дней0лайковвеса обновлены13 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

P7 — экспериментальная языковая модель, представленная для соревнования BabyLM 2026 в треке Strict-Small. Она предназначена для исследовательских экспериментов и оценки языковых моделей, обученных на ограниченном объёме данных. В репозитории указана архитектура GPTBERTForMaskedLM: 12 слоёв, 12 голов внимания, скрытый размер 768 и словарь из 16 384 токенов. Метаданные Hugging Face указывают 111,7 млн параметров и контекст 512 токенов; README сообщает о финальном чекпойнте для оценки, выбранном на этапе обучения после обработки примерно 80 млн слов.

Модель работает с текстом на английском языке. Для неё указаны задачи заполнения пропусков и генерации текста, однако карточка описывает её прежде всего как исследовательский чекпойнт BabyLM, а не универсальную производственную систему. Обучение на ограниченном бюджете данных может снижать надёжность и широту ответов; результаты следует проверять для конкретного применения. Лицензия обозначена как other, без уточнения условий в предоставленных данных.

Сценарии применения

  • заполнение пропущенных слов в английском тексте
  • оценка языковых моделей в треке BabyLM Strict-Small
  • исследование обучения языковых моделей на ограниченном объёме данных

Ограничения

Модель обучена в рамках ограниченного бюджета данных BabyLM Strict-Small и не предназначена для общего производственного применения; её ответы могут быть ненадёжными, предвзятыми или неподходящими. Условия лицензии с пометкой other в предоставленных данных не раскрыты.

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

P7

Model Details

  • Model name: P7
  • Challenge: BabyLM 2026
  • Track: Strict-Small
  • Backend: causal
  • Repository: moral1/babylm_strict_small_2026
  • Final full-eval checkpoint: 80M (words_seen=80,010,749)
  • Training checkpoints: 1M-100M cumulative words
  • 100M branch: uses the strictly compliant final_compliant endpoint (words_seen=99,992,923)
  • Evaluation pipeline commit SHA: 3d57ddc8c40ee795c0b5e41b3a20251a9457a593
  • Final predictions JSON SHA256: 1e41f721edd432379a8d253dc4936e5a7ea4f003662d037fa9d8c927f77ceefe

Architecture

  • Base architecture: GPTBERTForMaskedLM
  • Model type: gpt-bert
  • Parameter count: 132037444
  • Hidden size: 768
  • Layers: 12
  • Attention heads: 12
  • Vocabulary size: 16384

Tokenizer

  • Tokenizer type/source: self_trained_strictsmall
  • Tokenizer training words: 2000168
  • Tokenizer files: tokenizer.json, tokenizer_config.json, special_tokens_map.json

Training

  • Training dataset budget: BabyLM Strict-Small 10M
  • Submitted full-eval checkpoint: 80M checkpoint selected from the training trajectory
  • Random seed: 73
  • Training objective: NEEDS_USER_CONFIRMATION: see babytutor_run_config.json
  • Checkpoint trajectory branches: chck_1M through chck_9M, then chck_10M through chck_100M every 10M words

The originally overshooting 100,002,969-word checkpoint is not used as the official 100M branch. The chck_100M branch points to the strict compliant endpoint with 99,992,923 words seen.

Intended Use

This model is intended for research and BabyLM 2026 Strict-Small evaluation workflows.

Limitations

The model was trained under the BabyLM Strict-Small data budget and is not intended as a general-purpose production language model. Outputs may be unreliable, biased, or inappropriate, and the model should be evaluated in context before any downstream use.

Data and License

Training data follows the BabyLM 2026 Strict-Small challenge data constraints. Dataset licensing and attribution follow the BabyLM challenge materials. Model code and weights are provided for research and evaluation use.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

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

Класс архитектуры
GPTBERTForMaskedLM
Ревизия весов
419c308

0 моделей