/ Модель

Характеристики

Контекст
512 токенов
Лицензия
MIT
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
21 сен 2026

subword-gpt-7m

Генерация текстаТекст → текст3 профессии

Компактная GPT-2-подобная модель на 6,95 млн параметров для генерации простых англоязычных историй и экспериментов с малыми языковыми моделями.

469скачиваний за 30 дней0лайковвеса обновлены21 сен 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

Compactbot разработала компактную языковую модель на архитектуре GPT-2 с 6,95 млн параметров, обученную с нуля на наборе TinyStories. Модель использует собственный BPE-токенизатор с размером словаря 8192, состоит из 6 слоёв, имеет скрытую размерность 256 и 8 голов внимания. Она принимает текст и генерирует продолжение; контекстное окно — 512 токенов.

Модель предназначена для экспериментов с малыми языковыми моделями и генерации простых англоязычных историй в стиле TinyStories. Карточка приводит оценку perplexity 48,43 на отложенных данных TinyStories и результаты тестов ARC и HellaSwag около или ниже случайного уровня, поэтому модель не подходит для общих знаний, рассуждений и следования инструкциям. На запросах вне обучающего распределения текст может быть повторяющимся или несвязным. Лицензия — MIT.

Сценарии применения

  • генерация простых историй на английском языке
  • продолжение коротких англоязычных сюжетов
  • эксперименты с компактными языковыми моделями
  • сравнение BPE-токенизации с посимвольной токенизацией
  • изучение базового обучения GPT-2-подобной модели с нуля

Ограничения

Обучена только на простых англоязычных историях, не является чат-моделью и не настроена следовать инструкциям; на задачах общих знаний и рассуждений показывает результаты около или ниже случайного уровня. Контекст ограничен 512 токенами, а на данных вне обучающего распределения возможны повторы и несвязный текст.

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

Subword GPT 7M

A 6.95M-parameter GPT-2 style language model trained from scratch on TinyStories using a custom BPE-8192 tokenizer.

Architecture

ParameterValue
Layers6
Hidden dim256
Heads8
FFN dim1024
Vocab8192 (BPE)
Max position512
Tied embeddingsYes
BiasesNo
NormRMSNorm
ActivationGELU
Total params6,950,144

Training

  • Data: TinyStories (~10M BPE tokens after tokenization)
  • Batch size: 32 sequences × 512 tokens
  • Steps: 4,000 (best checkpoint)
  • LR schedule: Cosine decay with warmup
  • Hardware: 32-core CPU, ~2 hours
  • Best val loss: 3.7659

Evaluation

Held-out perplexity

MetricValue
Perplexity (held-out TinyStories, 100×512)48.43

The held-out perplexity is computed on the last 2M tokens (not seen during training). Note that this figure has meaningful sample variance: a 100×512 draw gives 48.43 (seed 123) while the first 20×512 slice gives 55.39 — both are honest draws from the same distribution, and the spread (not a bug) reflects how uneven the TinyStories difficulty is at this model size. The gap between train val loss (3.77) and held-out perplexity reflects the difficulty of the TinyStories distribution at this model size.

Zero-shot benchmarks

Measured with length-normalized loglikelihood scoring (each answer choice scored as a continuation of the prompt; argmax of mean per-token logprob vs. gold). 400 examples per task, 32-core CPU.

TaskSplitAccuracyChance (4-choice)
ARC-Easytest23.5%25%
ARC-Challengetest19.5%25%
HellaSwagvalidation23.75%25%
SciQtest23.0%25%

All four tasks sit at or below the 25% four-choice chance level. This is the honest expectation for a 7M-parameter model trained only on TinyStories: the corpus carries no general reasoning or commonsense signal, so the model cannot do better than chance on these out-of-distribution tasks. These numbers are reported so the card states what the model is not good at, not just what it is.

Why subword?

This model is a direct comparison to my earlier char-gpt-1.2m (character-level, 1.2M params). At equal compute budget, subword tokenization sees ~4× more text per step and produces significantly better language modeling. This is the "subword beats character" result.

Usage

from transformers import AutoTokenizer, AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained("Compactbot/subword-gpt-7m")
tok = AutoTokenizer.from_pretrained("Compactbot/subword-gpt-7m")

text = "Once upon a time, there was a little cat."
inputs = tok(text, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=100, do_sample=True, temperature=0.8)
print(tok.decode(outputs[0], skip_special_tokens=True))

Limitations

  • Trained only on TinyStories (simple English stories for children)
  • 512-token context window
  • Will produce repetitive or incoherent text on out-of-distribution inputs
  • Not a chat model, not instruction-tuned
  • Near-chance on general reasoning/commonsense benchmarks (see table above) — no general knowledge signal in the training data
  • Quality is limited by the 7M parameter budget

Reproduction

Training script: see generation.py for inference. The training code is available in the CompactAI workspace. Benchmark harness: eval_bench.py (loglikelihood scoring) and eval_validate2.py (held-out perplexity).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT
Ревизия весов
012bb0c

0 моделей