/ Модель

Характеристики

Контекст
256 токенов
Параметры
28,8 млн
Архитектура
cs336_transformer · dense
Библиотека
transformers
Опубликована
14 авг 2026

gpt-22M-owt

Генерация текстаТекст → текст3 профессии

Небольшая учебная авторегрессионная Transformer-модель для генерации продолжения текста на основе OpenWebText.

23скачиваний за 30 дней0лайковвеса обновлены14 авг 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

balalida/gpt-22M-owt — небольшая авторегрессионная языковая модель, созданная для задания Stanford CS336 Assignment 1 и обученная на OpenWebText. Это декодерный Transformer с четырьмя слоями, 28,8 млн параметров, контекстом 256 токенов и byte-level BPE-токенизатором; в архитектуре используются RMSNorm, RoPE и SwiGLU, а веса токенных эмбеддингов и выходной головы связаны. Модель генерирует продолжение текста по заданному текстовому фрагменту.

Модель подходит для учебных экспериментов с генерацией текста и устройством небольших языковых моделей. В README приведена потеря на валидации 4,140625 на токен; модель может галлюцинировать, повторяться и выдавать неверные сведения, поэтому не подходит для ответственных сценариев. Лицензия в предоставленных данных не указана.

Сценарии применения

  • эксперименты с генерацией продолжения текста
  • изучение устройства декодерного Transformer
  • учебные эксперименты с токенизацией byte-level BPE

Ограничения

Модель может галлюцинировать, повторяться и выдавать неверную информацию; контекст ограничен 256 токенами.

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

CS336 openwebtext causal language model

Four-layer decoder-only Transformer trained for Stanford CS336 Assignment 1. It uses a byte-level BPE tokenizer, context length 256, width 512, 16 attention heads, SwiGLU width 1344, RMSNorm, and RoPE.

  • Validation loss: 4.140625 per token
  • Training tokens represented by this checkpoint lineage: 647,168,000
  • Parameters are tied between the token embedding and LM head.
from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("PATH_OR_REPO", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained("PATH_OR_REPO", trust_remote_code=True)
inputs = tokenizer("The United States", return_tensors="pt")
output = model.generate(**inputs, max_new_tokens=128, temperature=0.8, top_p=0.9, do_sample=True)
print(tokenizer.decode(output[0], skip_special_tokens=False))

This is a small educational model and may hallucinate, repeat, or produce incorrect information.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

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

Класс архитектуры
CS336ForCausalLM
Ревизия весов
921fd6e

0 моделей