/ Модель

Характеристики

Контекст
256 токенов
Лицензия
MIT
Архитектура
gpt2 · dense
Опубликована
13 июл 2026

babylm-baseline-10ep

Генерация текстаТекст → текст3 профессии

Небольшая GPT-2 модель, обученная на ограниченном англоязычном корпусе BabyLM для исследований усвоения языка и sample efficiency.

51скачиваний за 30 дней0лайковвеса обновлены13 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Это исследовательский чекпойнт GPT-2 от AbdulRahmanIqbal, подготовленный как baseline для трека BabyLM 2026 Strict-Small. Модель содержит 33,6 млн параметров: 8 слоёв, 6 attention heads и размер эмбеддинга 384. Она обучена в течение 10 эпох на корпусе BabyLM-2026-Strict-Small объёмом 10 млн слов с GPT-2 BPE-токенизатором и словарём из 50 257 токенов; длина контекста — 256 токенов.

Модель предназначена для исследований усвоения языка, sample efficiency и оценки языковых моделей на бенчмарках вроде BLiMP и GLUE. README сообщает, что базовый режим обучения в FP32 показал лучший результат в абляционном сравнении методов оптимизации. Это артефакт исследования, не предназначенный для производственного применения. Лицензия — MIT.

Сценарии применения

  • исследование усвоения языка на ограниченном корпусе
  • генерация английского текста для экспериментов с языковыми моделями
  • сравнение качества обучения на малых объёмах данных
  • оценка языковой компетенции на BLiMP
  • изучение изменения языковых навыков по промежуточным чекпойнтам

Ограничения

Ограничена контекстом в 256 токенов и обучена на корпусе объёмом 10 млн слов; README указывает, что модель не предназначена для производственного применения.

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

BabyLM 2026 Strict-Small Submission — Baseline (FP32, 10 epochs)

Winning configuration from a systematic 15-way ablation of common training optimizations (mixed precision, Flash Attention, curriculum learning, dynamic batching, post-training INT8 quantization) on the BabyLM Strict-Small track. The plain FP32 baseline — no optimizations — won outright at a 10-epoch budget, statistically tied with FP16+Flash Attention.

Paper: How Much Do Common Training Optimizations Cost You? A Systematic Ablation Study on the BabyLM Strict-Small Track (BabyLM Workshop, EMNLP 2026).

Model details

ArchitectureGPT-2 decoder, 33.6M params (embed=384, heads=6, layers=8, context=256)
TokenizerGPT-2 BPE, 50,257 vocab
Training dataBabyLM-community/BabyLM-2026-Strict-Small (10M words, detoxified)
Training budget10 epochs (100M word exposure), plain FP32, no optimizations
Seed789 (best of 5 validated seeds)
OptimizerAdamW, lr=3e-4, CosineAnnealingLR (eta_min=3e-5), grad_clip=1.0

Branches

  • main — final checkpoint (step 10,500, epoch 9), used for all full-eval and GLUE results below.
  • chck_1M ... chck_9M, chck_10M ... chck_100M — 19 official word-count-milestone checkpoints (same seed/run), provided for AoA and fast-eval-across-training-steps benchmarks.

Results (n=5 seeds unless noted; see paper for full detail)

BenchmarkScore
Validation perplexity136.786 ± 0.838 (seed 789: 136.07)
BLiMP62.44% ± 0.47
BLiMP Supplement58.13% ± 0.81
COMPS (base)54.11% ± 0.35
WUGs50.16% ± 0.22
EWoK50.89% ± 0.71
Entity Tracking18.54% ± 0.25
GlobalPIQA (non-parallel / parallel)46.80% ± 3.90 / 20.00% ± 2.13
GLUE average62.57%
AoA correlation (Pearson r)−0.031 ± 0.070

Intended use

Research artifact for the BabyLM Challenge 2026 (Strict-Small track). Trained on a 10M-word, developmentally-plausible corpus for sample-efficiency research, not intended for production use.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
2a3b3a0

0 моделей