/ Модель

Характеристики

Лицензия
MIT
Библиотека
pytorch
Опубликована
5 окт 2026

causal-byte-lm-shakespeare

Генерация текстаТекст → текст

Компактная байтовая языковая модель на PyTorch, обученная с нуля на текстах Шекспира для экспериментов и генерации англоязычного текста в его стиле.

112скачиваний за 30 дней0лайковвеса обновлены5 окт 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

Causal Byte LM — Shakespeare — небольшая авторская причинная языковая модель на PyTorch, обученная с нуля на фрагментах произведений Шекспира из набора Tiny Shakespeare. Модель содержит 635 776 параметров, использует три слоя декодера, связанные эмбеддинги, RMSNorm, SwiGLU и RoPE; контекст составляет 128 байт. Она генерирует текст посимвольно на уровне UTF-8 байтов и предназначена для экспериментов с компактными языковыми моделями и причинным языковым моделированием на английском языке.

Модель подходит для продолжения шекспировских фрагментов и изучения влияния RoPE в небольшом контролируемом эксперименте. В описанном сравнении вариант с RoPE показал лучшие метрики на тестовом наборе, чем вариант без RoPE, при одинаковом бюджете обучения. Это исследовательский артефакт, а не ассистент: генерация может быть малосвязной, повторяющейся и содержать вымышленные слова; фактическая точность, безопасность и следование инструкциям не оценивались. Для загрузки требуется исходная реализация PyTorch из репозитория разработчика; Transformers AutoModel и размещённый inference не поддерживаются. Код и веса распространяются по лицензии MIT, а тексты корпуса находятся в общественном достоянии.

Сценарии применения

  • продолжение фрагментов пьес Шекспира
  • эксперименты с генерацией текста на уровне байтов
  • сравнение причинных языковых моделей с RoPE и без него

Ограничения

Модель может генерировать повторы, вымышленные слова и несвязный текст; она не предназначена для следования инструкциям или фактических и consequential решений. Transformers AutoModel и стандартный виджет Hugging Face не поддерживаются; UTF-8-байтовая генерация может содержать некорректные последовательности.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Causal Byte LM — Shakespeare

Custom PyTorch decoder trained from random initialization on Tiny Shakespeare. 635,776 parameters, 128-byte context, three layers, tied embeddings, RMSNorm, SwiGLU and RoPE. This is a research artifact, not an instruction model or a general assistant.

Evaluation

ModelParametersStepsTest bits/byte ↓Byte perplexity ↓
rope-seed42635,7763,0002.48705.6062
no-rope-seed42635,7763,0002.86597.2898
bigram, add-0.165,53603.624312.3315

One seed (42), matched 3000-step neural training budgets. Validation-selected checkpoint; 111,488 separate test-byte targets. Byte perplexity differs from word/token perplexity. Reproduction, ablation curves and causal-mask tests: https://github.com/zoga228/causal-lm-lab.

Load

Clone the source repository and install its requirements. model.py in that repository is the audited custom implementation.

from huggingface_hub import snapshot_download
from model import ByteLM
path = snapshot_download("Zangeeeeerange/causal-byte-lm-shakespeare",
                         allow_patterns=["model.safetensors", "config.json", "tokenizer.json"])
model = ByteLM.from_pretrained(path)
print(model.generate("ROMEO:\n",new_bytes=200,seed=42))

This repository does not support Transformers AutoModel, the default Hugging Face inference widget or hosted inference. Checkpoints use SafeTensors; no pickle is required. Encoding is UTF-8 bytes; generated bytes decode with replacement for invalid UTF-8 sequences.

Training data and limitations

Public-domain Shakespeare excerpts from https://github.com/karpathy/char-rnn; source revision and checksum are in the GitHub data manifest. Contiguous 80/10/10 byte splits precede all windowing. 892,315 unique training bytes, 12,288,000 sampled target-byte presentations. Repetition is not additional unique data. Models use a single seed and a single corpus; no cross-document semantic deduplication claim is made.

Generated text often contains invented words, repetitions and weak coherence. No factuality, safety, instruction-following or multilingual evaluation was performed. Do not use the model for factual or consequential decisions. AI tools assisted development; metrics come from executed experiments. Code and weights are MIT; corpus text is public domain.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
dfabdca

0 моделей