/ Модель

Характеристики

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

resturant_calling_agent

Генерация текстаТекст → текст3 профессии

Дообученная версия DistilGPT-2 для генерации текста, чьё конкретное назначение в карточке не описано.

11скачиваний за 30 дней0лайковвеса обновлены21 июн 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

resturantcallingagent — дообученная на неизвестном наборе данных модель генерации текста на архитектуре GPT-2. Она основана на distilbert/distilgpt2 и предназначена для генерации продолжений текста; название может указывать на сценарий звонков в ресторан, но README не подтверждает конкретные возможности такого агента. Модель принимает текст и выдаёт текст, использует библиотеку Transformers и формат весов safetensors. Контекстное окно составляет 1024 токена. Указана лицензия Apache-2.0.

В README приведено значение loss 1,4548 на оценочном наборе, но описание модели, назначение и данные обучения не раскрыты. Поэтому качество в сценариях звонков, поддерживаемые языки и надёжность диалогового поведения по доступным сведениям оценить нельзя.

Сценарии применения

  • генерация продолжения текстового запроса
  • создание черновиков текста на основе подсказки
  • эксперименты с дообученной GPT-2 для сценария звонков в ресторан

Ограничения

Назначение, обучающие данные и поддерживаемые языки не описаны; указанная оценка loss сама по себе не позволяет судить о качестве диалогов или звонков.

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

resturant_calling_agent

This model is a fine-tuned version of distilbert/distilgpt2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.4548

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: 2e-05
  • train_batch_size: 8
  • 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: linear
  • num_epochs: 3.0

Training results

Training LossEpochStepValidation Loss
No log1.0332.1754
No log2.0661.6223
No log3.0991.4548

Framework versions

  • Transformers 5.0.0
  • Pytorch 2.10.0+cpu
  • Datasets 4.8.5
  • Tokenizers 0.22.2

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
8d1be32

0 моделей