/ Модель

Характеристики

Контекст
2 048 токенов
Лицензия
CC BY-NC-SA 4.0
Архитектура
gpt2 · dense
Опубликована
8 мар 2024

NorGPT-3B-continue

Генерация текстаТекст → текст3 профессии

Норвежская языковая модель на 3 млрд параметров для генерации текста, продолженно обученная на новостях, парламентских выступлениях, книгах и государственных отчётах.

151скачиваний за 30 дней0лайковвеса обновлены9 янв 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

NorGPT-3B-continue — авторегрессионная языковая модель семейства NorGLM, разработанная для норвежского языка. Это продолженное обучение модели NorGPT-3B на отобранных документах из исходного предобучающего корпуса: новостных статьях, парламентских выступлениях, книгах и правительственных отчётах. В метаданных архитектура указана как GPT-2 с классом GPT2LMHeadModel; модель содержит 3 млрд параметров и принимает текстовый контекст длиной до 2048 токенов.

Модель предназначена для генерации и продолжения норвежского текста, в том числе в сценариях, связанных с общественными документами, новостями и книгами. Она распространяется в форматах PyTorch и safetensors и загружается через Transformers. Лицензия CC BY-NC-SA 4.0 допускает использование на условиях атрибуции, распространения производных на тех же условиях и некоммерческого применения. Качество генерации за пределами описанных источников и надёжность фактических утверждений не установлены; выход модели следует проверять.

Сценарии применения

  • продолжение норвежских текстов
  • генерация черновиков новостных материалов на норвежском языке
  • создание текстов в стиле парламентских выступлений
  • генерация норвежских текстов на темы книг и государственных отчётов

Ограничения

Обучение продолжено на отобранных материалах норвежского корпуса, поэтому качество на других языках и тематиках не подтверждено. Фактические утверждения и сгенерированный текст требуют проверки.

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

Gnerative Pretrained Tranformer with 3 Billion parameters for Norwegian. The model is continue trained using NorGPT-3B model on a selective documents from the pretraining dataset, which includes news articles, parlamentary speech, books and govermental reports.

It belongs to NorGLM, a suite of pretrained Norwegian Generative Language Models. NorGLM can be used for non-commercial purposes.

Run the Model

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "NorGLM/NorGPT-3B-continue"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    device_map='auto',
    torch_dtype=torch.bfloat16
)

text = "Tom ønsket å gå på barene med venner"
inputs = tokenizer(text, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=20)

Citation Information

If you feel our work is helpful, please cite our papers:

@article{gulla2026norwai,
  title={NorwAI's Large Language Models: Technical Report},
  author={Gulla, Jon Atle and Liu, Peng and Zhang, Lemei},
  journal={arXiv preprint arXiv:2601.03034},
  year={2026}
}

@inproceedings{liu2024nlebench+,
  title={NLEBench+NorGLM: A Comprehensive Empirical Analysis and Benchmark Dataset for Generative Language Models in Norwegian},
  author={Liu, Peng and Zhang, Lemei and Farup, Terje and Lauvrak, Even and Ingvaldsen, Jon and Eide, Simen and Gulla, Jon Atle and Yang, Zhirong},
  booktitle={Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing},
  pages={5543--5560},
  year={2024}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
9e47fbd

0 моделей