/ Модель

Характеристики

Контекст
32 токена
Параметры
108 млн
Лицензия
MIT
Архитектура
vminibert · dense
Опубликована
10 авг 2026

VMiniBert

Заполнение пропусковТекст → текст3 профессии

Англоязычный энкодер VMiniBert на 108 млн параметров для предсказания замаскированных токенов и дообучения на задачах понимания текста.

145скачиваний за 30 дней0лайковвеса обновлены19 авг 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

vprojectx/VMiniBert — англоязычная модель Transformer-энкодера на 108 млн параметров, разработанная vprojectx и обученная с нуля как Masked Language Model. Она предсказывает замаскированные токены и предназначена прежде всего для дообучения под классификацию текста, распознавание именованных сущностей и извлечение слов по контексту.

Архитектура сочетает 12 голов внимания и скрытый размер 768 с RoPE, RMSNorm и блоками GeGLU. Модель обучалась на смеси WikiText-103, BookCorpusOpen, FineWeb и C4 с динамическим Whole-Word Masking. В метаданных указан контекст 32 токена; карточка приводит оценку на тестовых выборках WikiText.

Небольшой объём обучения — около 250 тысяч примеров — означает, что для прикладных задач, вероятно, потребуется дообучение. Работа с последовательностями длиннее 32 токенов не проверена; модель не предназначена для длинных документов и не должна применяться в продакшене без дообучения. Лицензия — MIT.

Сценарии применения

  • восстановление пропущенных слов в англоязычном тексте
  • дообучение классификатора англоязычных текстов
  • распознавание именованных сущностей после дообучения
  • извлечение слов и фрагментов по контексту

Ограничения

Модель обучалась и оценивалась на последовательностях длиной 32 токена; поведение на более длинном контексте не проверено. Из-за сравнительно небольшого корпуса для прикладных задач может потребоваться дообучение; калибровка уверенности не оценивалась.

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

vminibert-108M

vminibert-108M is a 108.6M-parameter Transformer encoder trained from scratch as a Masked Language Model on a blended 4-domain corpus (WikiText-103, BookCorpusOpen, FineWeb, and C4) using dynamic Whole-Word Masking (WWM).

Rather than a stock BERT reimplementation, it uses a modern LLaMA-style encoder recipe:

  • RoPE (Rotary Position Embeddings) instead of learned absolute positions
  • RMSNorm instead of LayerNorm
  • GeGLU feed-forward blocks instead of a plain GELU MLP

Model Details

Parameters108,615,984
Hidden size768
Attention heads12
Encoder layers12
Intermediate size (GeGLU)2048
Vocabulary size30,000 (WordPiece)
Max sequence length32
Positional encodingRoPE
NormalizationRMSNorm
ActivationGeGLU
Weight tyingOutput projection tied to input embeddings

Training Data

Trained on ~250k samples blended from four domains:

SourceDomain
WikiText-103Encyclopedic
BookCorpusOpenLong-form narrative
FineWebGeneral web text
C4Cleaned web crawl

Masking used dynamic Whole-Word Masking at a 15% rate.

Evaluation

Evaluated on official unseen test splits with standard 15% WWM:

BenchmarkSplitMasked TokensLossPerplexityTop-1 AccTop-3 AccTop-5 AccMRR@10
Salesforce/wikitext-2-raw-v1test8,5524.032356.3943.15%53.86%57.96%—
Salesforce/wikitext-103-raw-v1test8,5154.037856.7042.82%53.55%58.06%49.29%

MRR@10 for wikitext-2 is not yet computed — fill in or remove the column before publishing.

Usage

from transformers import AutoTokenizer, AutoModelForMaskedLM, pipeline

model_id = "vprojectx/VMiniBert"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForMaskedLM.from_pretrained(model_id, trust_remote_code=True)

fill_mask = pipeline("fill-mask", model=model, tokenizer=tokenizer)
results = fill_mask("The capital of France is [MASK].")

for res in results:
    print(f"{res['token_str']:<12} {res['score']:.4f}")

Limitations & Intended Use

  • Context window: pretrained and evaluated at 32-token sequences only; behavior beyond that is untested. This is the single biggest caveat for anyone evaluating this model — flag it up front, not just in a bullet list.
  • Corpus size: ~250k samples is modest for a from-scratch LM; expect it to need task-specific fine-tuning for downstream use rather than strong zero-shot performance.
  • Intended use: a lightweight, fast MLM encoder for fine-tuning (classification, NER, masked-token extraction) and as a reference implementation of a modern (RoPE/RMSNorm/GeGLU) BERT-style architecture trained end-to-end from scratch.
  • Not intended for: long-document tasks, production deployment without fine-tuning, or use cases requiring calibrated confidence at scale (no calibration study was done).

Citation

If you use this model, please cite it as:

@misc{vminibert2026,
  author = {vprojectx},
  title = {vminibert-108M: A From-Scratch BERT-Style Encoder with RoPE, RMSNorm, and GeGLU},
  year = {2026},
  publisher = {Hugging Face},
  url = {https://huggingface.co/vprojectx/VMiniBert}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Нельзя запустить

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

Класс архитектуры
VMiniBertForMaskedLM
Ревизия весов
b74c422

0 моделей