/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
nanochat
Опубликована
5 июл 2026

c4_5pct_1e18_seed2_2026-07-05_00-24-50_063173-pt

Языковая модель

Экспериментальный чекпойнт GPT, обученный с nanochat на данных C4 и сохранённый на шаге 3 368 для дальнейших исследований.

0скачиваний за 30 дней0лайковвеса обновлены5 июл 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

Это контрольная точка обучения GPT-подобной модели, созданная с помощью nanochat и опубликованная пользователем alexkstern. В репозитории находится состояние модели на шаге 3 368 в формате PyTorch, а README приводит значение сглаженной обучающей потери 3,219. Теги указывают на эксперимент с данными C4 и seed 2.

Чекпойнт предназначен для продолжения экспериментов и анализа обучения. README и метаданные не подтверждают, что это завершённая модель для генерации текста или описывают её практические возможности. Репозиторий распространяется по лицензии Apache-2.0; качество и пригодность для прикладного использования по имеющимся сведениям установить нельзя.

Сценарии применения

  • анализ состояния обучения GPT на шаге 3 368
  • воспроизведение эксперимента nanochat с тегом C4
  • продолжение обучения с сохранённого чекпойнта
  • сравнение метрик обучающей потери в эксперименте

Ограничения

README не указывает завершённую задачу, поддерживаемые языки, размер модели или контекстное окно. Чекпойнт зафиксирован на промежуточном шаге обучения, поэтому его качество для прикладного использования не установлено.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

c4_5pct_1e18_seed2_2026-07-05_00-24-50_063173-pt

Trained with nanochat. Checkpoint at step 3,368.

W&B run: https://wandb.ai/alexksternteam/optimal_seed_replicas_v0/runs/22xqm19i

Outcome

metricvalue
step3368
smooth_train_loss3.2193498611450195
min_objective0.9792058169202794
flops_used9.498592991426642e+17
flops_per_token1075838976.0
total_training_time420.48487973213196

Training config

{
  "model_pt": {
    "sequence_len": 2048,
    "vocab_size": 65536,
    "n_layer": 12,
    "n_head": 6,
    "n_kv_head": 6,
    "n_embd": 768
  },
  "model_ppt": {
    "sequence_len": 2048,
    "vocab_size": 65536,
    "n_layer": 12,
    "n_head": 6,
    "n_kv_head": 6,
    "n_embd": 768
  },
  "optim": {
    "matrix_lr": 0.03,
    "embedding_lr": 0.3,
    "unembedding_lr": 0.004,
    "weight_decay": 0.0
  },
  "train": {
    "num_iterations": 1000,
    "eval_every_n_steps": null,
    "eval_every_flops_frac": null,
    "save_every_n_steps": null,
    "log_every_n_steps": 100,
    "eval_at_end": true,
    "save_at_end": true,
    "grad_clip": 1.0,
    "ema_beta": 0.0
  },
  "eval": {
    "eval_steps": 8,
    "eval_tokens": 2016000
  },
  "hardware": {
    "device_batch_size": 32,
    "grad_accum_steps": 1,
    "peak_tflops": 2250.0
  },
  "wandb": {
    "enabled": true,
    "notes": "",
    "group": "1e18_ppt0.05",
    "tags": [
      "nanochat_gpt",
      "pt_fineweb-nanochatbpe-20B",
      "ppt_c4-nanochatbpe-10B",
      "seed_2",
      "case_b",
      "lr_trapezoid",
      "depth_12"
    ],
    "entity": null
  },
  "data_pt": "fineweb-nanochatbpe-20B",
  "data_ppt": "c4-nanochatbpe-10B",
  "extra_eval": [
    "c4-nanochatbpe-10B"
  ],
  "train_split": "train",
  "pad_vocab": 65536,
  "ppt_vocab_size": null,
  "ppt_same_vocab_as_pt": true,
  "ppt_unified_lr": true,
  "lr_kind": "trapezoid",
  "lr_warmup_ratio": 0.0,
  "lr_warmdown_ratio": 0.4,
  "lr_final_frac": 0.0,
  "ppt_lr_kind": "trapezoid",
  "ppt_lr_warmup_ratio": null,
  "ppt_lr_warmdown_ratio": null,
  "ppt_lr_final_frac": 0.0,
  "ppt_lr": null,
  "ppt_weight_decay": 0.0,
  "eval_tokens": 2016000,
  "reinit_embed_at_transition": false,
  "reset_optimizer_at_transition": false,
  "depth": 12,
  "compile_model": true,
  "model_project": "optimal_seed_replicas_v0",
  "run_name": "c4_5pct_1e18_seed2",
  "target_flops": 1e+18,
  "alpha_ppt": 0.05,
  "use_measured_flops": true,
  "flops_per_token": null,
  "ppt_flops_per_token": null,
  "seed": 2,
  "metrics_output_file": null,
  "push_to_hf": true,
  "hf_repo_org": "alexkstern",
  "cleanup_checkpoints": true
}

Files

  • model_003368.pt — model weights (state_dict).
  • meta_003368.json — training metadata.
  • config_003368.json — run config snapshot.
  • rng_003368.pt — RNG state (when present).

Как запустить

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

GPU в ailist

Универсальный рантайм · nanochat

Нельзя запустить

У модели не указана задача.

Ревизия весов
6747577

0 моделей