Характеристики

Контекст: 512 токенов
Параметры: 112 млн
Архитектура: gpt_bert · dense
Библиотека: transformers
Опубликована: 29 сен 2026

Ссылки

random_100M_short_1_10_20

Заполнение пропусковТекст → текст3 профессии

Экспериментальная GPT-BERT-модель на 111,7 млн параметров для восстановления замаскированных токенов и генерации текста.

88скачиваний за 30 дней0лайковвеса обновлены29 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

WesScivetti/random_100M_short_1_10_20 — экспериментальный чекпойнт семейства GPT-BERT, обученный в экспериментах на отфильтрованном корпусе NPN. Модель содержит около 111,7 млн параметров, использует архитектуру GPTBERTForMaskedLM и рассчитана на контекст до 512 токенов.

Основная задача — предсказание замаскированных токенов в тексте; метаданные также указывают на возможность генерации текста. Для загрузки карточка описывает использование Transformers с пользовательским кодом архитектуры и PyTorch-чекпойнтом. Языки обучения или основной язык в доступных данных не указаны. Лицензия не приведена.

Сценарии применения

восстановление пропущенных слов в тексте
подстановка масок в языковых последовательностях
эксперименты с языковыми моделями на отфильтрованном корпусе NPN

Ограничения

Чекпойнт требует пользовательского кода архитектуры и загрузки с trust_remote_code=True. Карточка не сообщает языки обучения и лицензию.

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 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

WesScivetti/random_100M_short_1_10_20

Custom GPT-BERT checkpoint from the NPN filtered-corpus training experiments.

This repository includes custom architecture code for Transformers 5.x. Install transformers>=5,<6 and torch>=2.6 before loading the .bin checkpoint. Example:

from transformers import AutoModelForMaskedLM, AutoTokenizer

repo_id = "WesScivetti/random_100M_short_1_10_20"
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForMaskedLM.from_pretrained(repo_id, trust_remote_code=True)
model.eval()

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры: GPTBERTForMaskedLM
Ревизия весов: ed694b3