/ Модель

Характеристики

Архитектура
pico_decoder · dense
Библиотека
transformers
Опубликована
26 апр 2026

beetle-bilingual-l2-50-sequential-33-67-b3-fineweb-100m-nld-eng

Генерация текстаТекст → текст3 профессии

Компактная двуязычная нидерландско-английская модель генерации текста семейства Beetle FineWeb с размером около 100 миллионов параметров.

191скачиваний за 30 дней0лайковвеса обновлены31 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

Beetle-FineWeb-100M/beetle-bilingual-l2-50-sequential-33-67-b3-fineweb-100m-nld-eng — небольшая модель генерации текста на базе Transformers с архитектурным тегом pico_decoder. По идентификатору модели, она относится к семейству Beetle FineWeb 100M и ориентирована на двуязычное нидерландско-английское применение; название также указывает на обучение на данных FineWeb и размер порядка 100 миллионов параметров.

Модель предназначена для авторегрессионного продолжения текста, генерации коротких фрагментов и экспериментов с компактными языковыми моделями. Она может использоваться в прототипах, исследовательских проектах и локальных приложениях, где важны небольшие вычислительные требования и поддержка нидерландского и английского языков.

В README отсутствуют сведения о разработчике, лицензии, точной архитектуре, контексте, процедуре обучения, результатах оценки и рекомендациях по применению. Поэтому модель следует рассматривать как экспериментальную; условия использования необходимо проверять отдельно на странице репозитория Hugging Face.

Сценарии применения

  • автодополнение текста на нидерландском и английском языках
  • генерация коротких текстовых фрагментов
  • прототипирование локальных языковых приложений
  • исследование компактных авторегрессионных языковых моделей

Ограничения

В карточке отсутствуют результаты оценки, сведения о точном контексте, лицензии, обучении и известных рисках. Модель небольшого размера может уступать более крупным языковым моделям по качеству, фактической точности и устойчивости генерации.

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

Model Card for Model ID

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

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
PicoDecoderHF
Ревизия весов
b7e76c1

0 моделей