/ Модель

Характеристики

Контекст
8 192 токена
Параметры
134 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
SmolLM2-135M
Библиотека
transformers
Опубликована
4 окт 2025

business-news-generator

Генерация текстаТекст → текст3 профессии

Компактная дообученная модель для генерации деловых новостей на основе HuggingFaceTB/SmolLM2-135M.

1 003скачиваний за 30 дней0лайковвеса обновлены8 окт 2025

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

Emil7018/business-news-generator — дообученная модель генерации текста на базе HuggingFaceTB/SmolLM2-135M, разработанная Emil7018. Она предназначена для генерации деловых новостей; карточка сообщает о дообучении на неизвестном наборе данных и результате Loss 2,5782 на оценочной выборке. Модель построена на плотной архитектуре семейства Llama, содержит 134,5 млн параметров, принимает текст и поддерживает контекст до 8192 токенов.

Репозиторий содержит веса в формате Safetensors и рассчитан на использование с Transformers. Базовая модель ориентирована на английский язык; отдельные сведения о языках обучения этой версии не приведены. Лицензия — Apache-2.0. Качество и фактический охват новостных тем не описаны; результат на оценочной выборке сам по себе не подтверждает пригодность для публикации без проверки.

Сценарии применения

  • черновики деловых новостей по заданной теме
  • краткие тексты о компаниях и рынках
  • автоматическое продолжение делового новостного текста

Ограничения

Данные обучения неизвестны, а подробности о назначении, оценке качества и ограничениях в карточке отсутствуют. Результат Loss 2,5782 не раскрывает качество текстов в реальных сценариях.

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

business-news-generator

This model is a fine-tuned version of HuggingFaceTB/SmolLM2-135M on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 2.5782

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
3.14530.266720002.9693
2.80510.533340002.8105
2.69040.860002.7251
2.57231.066780002.6785
2.40231.3333100002.6394
2.37171.6120002.6095
2.35541.8667140002.5820
2.24662.1333160002.5917
2.15862.4180002.5847
2.14412.6667200002.5795
2.15132.9333220002.5783

Framework versions

  • Transformers 4.56.2
  • Pytorch 2.8.0+cu126
  • Datasets 4.0.0
  • Tokenizers 0.22.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
e2dc8a0

0 моделей