README_JA.md

---
language:
- ja
license: mit
library_name: transformers
pipeline_tag: fill-mask
tags:
- mirei
- modernbert
- masked-lm
- pretraining
base_model: iamtatsuki05/ModernBERT-JP-0.5B-init
datasets:
- hotchpotch/fineweb-2-edu-japanese
---

# ModernBERT-JP-0.5B-PT-stage1

[English](README.md) / Japanese


## Overview
ModernBERT-JP-0.5B-PT-stage1 は、[iamtatsuki05/ModernBERT-JP-0.5B-init](https://huggingface.co/iamtatsuki05/ModernBERT-JP-0.5B-init) を [hotchpotch/fineweb-2-edu-japanese](https://huggingface.co/datasets/hotchpotch/fineweb-2-edu-japanese) で学習した非埋め込みパラメータが約 0.5B パラメータの日本語の ModernBERT モデルです。 最大 1,024 トークンで 10B トークン学習させました。


- **[Hugging Face Collection](https://huggingface.co/collections/iamtatsuki05/mirei)**
- **[GitHub](https://github.com/iamtatsuki05/MIREI)**

![Consept](assets/concept.jpg)

## Usage
### Requirements
```
transformers>=4.51.0
accelerate>=1.6.0
sentencepiece>=0.2.0
flash-attn>=2.7.3
```

### Sample Code
```python
import torch
from transformers import AutoModelForMaskedLM, AutoTokenizer

model_name = "iamtatsuki05/ModernBERT-JP-0.5B-PT-stage1"
model_kwargs = {
  "torch_dtype": torch.bfloat16,
  "attn_implementation": "flash_attention_2",
  "device_map": "auto",
}
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForMaskedLM.from_pretrained(model_name, **model_kwargs)

text = f"ハチワレは{tokenizer.mask_token}のキャラクターです。"
inputs = tokenizer(text, return_tensors="pt").to(model.device)
outputs = model(**inputs)
masked_index = inputs["input_ids"][0].tolist().index(tokenizer.mask_token_id)
print(tokenizer.decode(outputs.logits[0, masked_index].argmax(axis=-1)))
```


## Model Details
- **ベースモデル:** [iamtatsuki05/ModernBERT-JP-0.5B-init](https://huggingface.co/iamtatsuki05/ModernBERT-JP-0.5B-init)
- **アーキテクチャ:** ModernBERT
- **最大シーケンス長:** 8,192トークン
- **埋め込み次元:** 1280
- **トークナイザ:** SentencePiece / 語彙数 102,400
- **位置エンコーディング:** RoPE
- **対応言語:** 日本語


## Model Series

初期化済みモデルに対して [hotchpotch/fineweb-2-edu-japanese](https://huggingface.co/datasets/hotchpotch/fineweb-2-edu-japanese) で最大 1,024 トークンを約 10B トークン分事前学習したモデル群です。

| ID                                                                                                            | Architecture | #Param. | #Param.<br>w/o Emb. |
|:-:|:-:|:-:|:-:|
| [iamtatsuki05/ModernBERT-JP-0.5B-PT-stage1](https://huggingface.co/iamtatsuki05/ModernBERT-JP-0.5B-PT-stage1)<br>(this model) | ModernBERT   | 679M    | 548M                |
| [iamtatsuki05/Llama-JP-0.5B-PT-stage1](https://huggingface.co/iamtatsuki05/Llama-JP-0.5B-PT-stage1)           | Llama        | 661M    | 530M                |


## Licence
このモデルは [MIT](https://licenses.opensource.jp/MIT/MIT.html) でライセンスされています。


## How to Cite

```tex
@article{MIREI
  title={同一条件下における Encoder/Decoder アーキテクチャによる文埋め込みの性能分析},
  author={岡田 龍樹 and 杉本 徹},
  journal={言語処理学会第 32 回年次大会 (NLP2026)},
  year={2026}
}
```