ModernBERT‑Ja‑30M 是一款日語 BERT 變體,它將局部與全局注意力與 RoPE 混合起來,並在 4.39 TB 的日英文本上訓練,支援 8,192‑token 序列,參數規模從 30 M 至 130 M,並在使用 Flash Attention 2 時表現最佳。
其他語言的說明
統計
統計資料截至 2026年11月16日
Hugging Face 下載數(近 30 天)
3,000
Hugging Face 按讚數
9
收錄日
2025年3月4日
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(30天) |
|---|---|
| 2025年12月 | 7,000 |
| 2026年1月 | 2,000 |
| 2026年2月 | 8,000 |
| 2026年3月 | 28,000 |
| 2026年4月 | 6,000 |
| 2026年5月 | 1,000 |
| 2026年6月 | 2,000 |
| 2026年7月 | 2,000 |
| 2026年8月 | 1,000 |
| 2026年9月 | 20,000 |
| 2026年10月 | 4,000 |
| 2026年11月 | 3,000 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- bert-base-japanese-whole-word-maskingtohoku-nlp462kJapanese BERT‑base 預訓練於 2019 年日本維基百科,使用 IPA 字典與整詞掩碼,12 層、768 維,32,000 詞表,512 令牌序列,1 百萬步;可於 cl‑tohoku/bert‑japanese 在 CC‑BY‑SA 條款下取得。
- deberta-v2-large-japanese-char-wwmku-nlp76kJapanese DeBERTa V2 大型模型已在 171 GB 的日語維基百科、CC‑100、與 OSCAR 上訓練,採用字符級 sentencepiece tokenization 與 whole‑word masking,已準備好通過 Hugging Face Transformers 進行下游微調。
- bert-base-japanese-char-v2tohoku-nlp55k一個 BERT‑base 日語模型(12 層,768 維隱藏狀態,12 頭)在 30 M 句子(約 4 GB)上訓練,使用 Unidic 2.1.2 詞級分詞,隨後進行字級分詞和整詞遮蔽,使用 512 令牌序列、256 批次及 1 M 訓練步驟。
- modernbert-ja-310msbintuitions36kModernBERT‑Ja‑310M 是一款日語 BERT 變體,結合了 local‑global attention 與 RoPE,已在 4.09 T 個日語/英語文本 token 上訓練,支持 102 400 個詞彙、8 192 token 序列,並被優化以配合 Flash Attention 2。
- deberta-v2-base-japanese-char-wwmku-nlp24k一個以 171 GB 日本維基百科、CC‑100 與 OSCAR 文本預訓練的日語 DeBERTa‑V2 基礎模型,採用字元級分詞、全詞遮罩模式,已在 8 台 A100 GPU 上訓練 20 天,並準備好進行下游微調。
- deberta-v2-base-japaneseku-nlp24k日文 DeBERTa V2 基礎模型,已在 171 GB 日文維基百科、CC‑100 與 OSCAR 資料上使用 Juman++ 斷詞與 SentencePiece Tokenization 進行預訓練,訓練時間三週,使用八台 NVIDIA A100 GPU,已準備好進行微調。
研究領域相近的資源
Japanese-Alpaca-LoRAkunishou141使用經過日語翻譯的Stanford Alpaca資料集,進行LLaMA的微調並創建了Low-Rank Adapter,以下是其連結和生成樣本程式碼。GitHub共同: 語言模型・表示學習- modernbert-ja-70msbintuitions2kModernBERT‑Ja‑70M 是一款輕量級的日語 BERT 變體,結合局部與全局注意力與 RoPE,使用 4.39 T 混合語言令牌(詞彙表 102 400,最大 8 192 令牌)訓練,支援 Flash Attention 2,並提供 30 M 至 310 M 參數的多種規格。共同: 語言模型・表示學習
- bert-large-japanese-v2tohoku-nlp66kJapanese‑BERT‑Large 在 CC‑100 和 Wikipedia 上訓練,使用 Unidic‑lite 詞級分詞,結合 WordPiece 子詞與全詞遮蔽,模型為 24 層、1024 維隱藏、16 頭、32k 詞表;預訓練程式碼位於 cl‑tohoku/bert‑japanese。共同: 表示學習・語言模型
- bert-base-japanese-v3tohoku-nlp66kJapanese BERT‑base (12 層, 768‑維度隱藏, 12 頭, 32k 詞彙) 以完整詞遮蔽在 CC‑100 與 2023‑Jan Wikipedia 上預訓練,使用 Unidic 2.1.2 詞級分詞加 WordPiece,訓練 200 萬步。共同: 表示學習・語言模型
bert-japanesecl-tohoku551日文文本的BERT模型。GitHub共同: 表示學習・語言模型
Laboro-BERT-Japaneselaboroai73Laboro BERT 日語:使用 Web-Corpus 預訓練的日語 BERTGitHub共同: 表示學習・語言模型