/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Базовая модель
gpt2
Библиотека
transformers
Опубликована
6 окт 2026

GPT-2_Instruct-v0.5

Генерация текстаТекст → текст

Англоязычная модель на базе GPT-2 для выполнения инструкций, генерации ответов и решения простых математических текстовых задач.

694скачиваний за 30 дней1лайквеса обновлены10 окт 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

GPT-2 Instruct v0.5 — англоязычная авторегрессионная модель FurkanNar для генерации текста и выполнения инструкций. Она основана на GPT-2 и GPT-2 Instruct v0.1; в README указано дообучение на наборах Alpaca, SVAMP и Dolly-15k, а метаданные отмечают связь с базовыми моделями как слияние. Модель использует архитектуру GPT-2 и формат safetensors; заявленное окно контекста — 1024 токена.

Модель предназначена для ответов на инструкции, простых математических текстовых задач и многоходового диалога. В описанном способе генерации параллельно создаются несколько вариантов ответа, после чего выбирается вариант с наилучшей оценкой правдоподобия. README предупреждает об ограниченных знаниях и рассуждениях, галлюцинациях, слабой работе в специализированных областях и ограничении эффективной длины последовательности: обучение проводилось с максимальной длиной 128 токенов, хотя метаданные указывают контекст 1024 токена. Лицензия — MIT.

Сценарии применения

  • ответы на простые пользовательские инструкции
  • генерация ответов в многоходовом англоязычном диалоге
  • решение простых математических текстовых задач
  • создание кратких текстовых ответов по промпту

Ограничения

Модель может ошибаться в сложных рассуждениях и фактах, галлюцинировать и хуже работать в специализированных областях; README указывает на обучение с максимальной длиной последовательности 128 токенов, что ограничивает эффективную длину ответов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GPT-2 Instruct Model Fine-tuning

This project fine-tunes the GPT-2 instruct model on the Databricks Dolly-15k dataset for instruction-following tasks.

Model & Dataset

Training Hyperparameters

ParameterValue
Max Sequence Length128 tokens
Epochs4
Batch Size4
Learning Rate2e-5
Max Gradient Norm1.0
Mixed PrecisionFP16 (enabled)
GPU Memory Fraction50%

Training Results

Epoch Summaries

EpochTrain LossTrain PerplexityVal LossVal Perplexity
13.150123.33802.837517.0723
22.935718.83472.789916.2790
32.812216.64592.768815.9397
42.714915.10322.761815.8282

Loss Progress

Loss Progress

The model shows consistent improvement in both training and validation loss across all epochs. The validation loss decreases from 2.8375 to 2.7618, indicating the model is learning effectively without significant overfitting.

Perplexity Progress

Perplexity Progress

Perplexity follows a similar downward trend, with training perplexity dropping from 23.34 to 15.10 and validation perplexity from 17.07 to 15.83. The narrowing gap between training and validation perplexity suggests the model is generalizing well.

Model Artifacts

The trained model is saved locally in the saved_model/ directory:

  • model.safetensors - Model weights in safetensors format
  • config.json - Model configuration
  • generation_config.json - Generation parameters

Training Configuration

The training script includes several optimizations for memory efficiency:

  • Mixed precision training (FP16) to reduce memory usage
  • Gradient clipping to prevent exploding gradients
  • GPU memory fraction limiting to 50% to prevent OOM errors
  • Memory fragmentation reduction via PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True
  • Cooling delays between training phases to prevent GPU overheating

Inference

The model uses a sophisticated Best-of-N sampling approach with multiple advanced techniques for high-quality generation:

Generation Method

  • Parallel Batched Generation: Generates N candidates (default N=4) in parallel via GPU batching for efficiency
  • Length-Normalized Log-Likelihood Scoring: Each candidate is scored using temperature-scaled logits, computing the geometric mean of token probabilities normalized by sequence length to eliminate short-response bias
  • Calibrated Confidence Selection: Uses a separate calibration temperature (T_calib=1.0) for scoring, independent from generation temperature (T_gen=0.7), allowing separate control over exploration and confidence estimation

Sampling Parameters

ParameterValueDescription
Generation Temperature0.7Controls randomness during candidate generation
Calibration Temperature0.8Scales logits for confidence scoring
Top-K40Limits sampling to top K tokens per position
Top-P (Nucleus)0.9Cumulative probability threshold for sampling
Repetition Penalty1.15Penalizes repeated tokens to reduce redundancy
No Repeat Ngram Size3Prevents repeating 3-token sequences
Max New Tokens100Maximum response length

Multi-Turn Conversation

  • Conversation History: Maintains turn-by-turn history using Dolly-15k/Alpaca format with "Instruction:" and "Response:" tags
  • Context Management: Automatically truncates earlier conversation turns when context exceeds max_length (512 tokens)
  • Stop Sequences: Custom stopping criteria prevent over-generation by detecting sequences like "\nInstruction:", "\nResponse:", "\nUser:", etc.

Example Output

You: How to make a salad

--- Best-of-4 Candidate Scores ---
 * Candidate 1: Log-Likelihood = -1.1720 | Geom Mean Prob = 31.0% (100 tokens)
   Candidate 2: Log-Likelihood = -1.1942 | Geom Mean Prob = 30.3% (100 tokens)
   Candidate 3: Log-Likelihood = -1.5361 | Geom Mean Prob = 21.5% (100 tokens)
   Candidate 4: Log-Likelihood = -1.2042 | Geom Mean Prob = 30.0% (100 tokens)
-------------------------------------------------------
AI: First, you need your lettuce slice, which will be placed on top of the mashed potatoes.
Next, you'll want to prepare some vegetables.  You can use carrots or celery sticks for this type because carrots are tough but celery stick is soft so you'll need it in place.  Next, add water to these vegetables.
Finally, mix everything together with olive oil or butter and let it cook for 5-6 minutes. This way, you don't have to worry about

Known Weaknesses

  • Tight Clusters: The model may generate similar responses across candidates, especially when the training data has limited diversity in certain domains. This can reduce the effectiveness of the Best-of-4 method when candidates are too similar.

  • GPT-2 Base Knowledge Limitations: Since this model is based on GPT-2 (124M parameters), it has inherent limitations in base knowledge compared to larger models like GPT-3 or GPT-4. The model may:

    • Struggle with complex reasoning tasks
    • Have limited world knowledge and factual accuracy
    • Produce hallucinations or incorrect information
    • Have difficulty with specialized domains not well-represented in the training data
  • Sequence Length Constraint: The model is trained with a max sequence length of 128 tokens, which limits the length and complexity of responses it can generate effectively.

Github

https://github.com/TheOfficialFurkanNar/gpt2_ibeta.git The repository is a simple inference code to run the model

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
885d4bf

0 моделей