/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Базовая модель
distilgpt2
Библиотека
transformers
Опубликована
27 сен 2026

Ссылки

Hugging Face

rick-morty-distilgpt2

Hfzune
Генерация текстаТекст → текст3 профессии

Дообученная на базе DistilGPT2 модель генерации текста, предположительно связанного с «Риком и Морти», без подтверждённого описания обучающих данных и назначения.

320скачиваний за 30 дней0лайковвеса обновлены27 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.

Открыть конструктор бенчмарка

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

Hfzune/rick-morty-distilgpt2 — дообученная модель генерации текста на базе distilbert/distilgpt2, опубликованная под лицензией Apache-2.0. По названию репозитория модель, вероятно, ориентирована на текст о «Рике и Морти», однако README не описывает её назначение, данные обучения или поведение, поэтому эту специализацию нельзя подтвердить.

Модель использует плотную архитектуру GPT-2 и принимает текст, продолжая его генерацией текста. В метаданных указан контекст 1024 токена; веса опубликованы в формате safetensors. Базовая модель компактная и англоязычная, но язык и тематическое покрытие именно этой версии не подтверждены.

README приводит значение loss 3,0127 на оценочном наборе, но не уточняет состав набора и методику оценки. Лицензия — Apache-2.0; качество и ограничения применения по имеющимся сведениям оценить нельзя.

Сценарии применения

  • генерация продолжения текстовой подсказки
  • создание черновиков текста в стиле фанатского контента
  • эксперименты с дообучением компактной GPT-2

Ограничения

README не раскрывает назначение модели, состав обучающих данных или результаты за пределами значения loss 3,0127; поэтому специализацию на «Рике и Морти» нельзя подтвердить. Язык этой версии явно не указан, а контекст ограничен 1024 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

rick-morty-distilgpt2

This model is a fine-tuned version of distilbert/distilgpt2 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 3.0127

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: 4
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 16
  • 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: linear
  • num_epochs: 1
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
No log1.033.0127

Framework versions

  • Transformers 5.17.0
  • Pytorch 2.11.0+cu128
  • Datasets 5.0.1
  • Tokenizers 0.23.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
69b63b0

0 моделей

    Создать бенчмарк