/ Модель

Характеристики

Контекст
256 токенов
Лицензия
MIT
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
24 июл 2026

mini-gpt-tinystories

Генерация текстаТекст → текст3 профессии

Небольшая модель GPT-2, обученная с нуля на TinyStories для генерации простых коротких историй и учебных экспериментов.

212скачиваний за 30 дней1лайквеса обновлены24 июл 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

bhautikv/mini-gpt-tinystories — компактная языковая модель в стиле GPT-2, созданная разработчиком с нуля и обученная на наборе TinyStories из коротких синтетических рассказов. Модель содержит около 17,7 млн параметров и использует декодерный трансформер GPT-2; контекст ограничен 256 токенами. Репозиторий содержит веса в формате safetensors, для работы указана библиотека Transformers.

Модель предназначена для генерации простых детских историй на английском языке, учебных демонстраций обучения небольших языковых моделей и экспериментов с архитектурой GPT-2 и распределённым обучением. Разработчик приводит значения perplexity 4,81 и validation loss 1,5902 на рассказах TinyStories; эти результаты относятся к узкому домену обучения.

Малый размер и ограниченный контекст затрудняют создание сложного и длинного текста. Модель может быть повторяющейся или бессвязной за пределами коротких историй и не предназначена для производственной генерации или сложных тем. Лицензия — MIT.

Сценарии применения

  • генерация коротких детских историй на английском языке
  • демонстрация обучения компактной языковой модели
  • эксперименты с архитектурой GPT-2
  • изучение распределённого обучения через Hugging Face Accelerate

Ограничения

Обучение только на TinyStories, малый размер и контекст в 256 токенов ограничивают сложность и длину генерации. За пределами коротких историй модель может выдавать повторяющийся или бессвязный текст и не подходит для производственного использования.

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

Mini-GPT TinyStories

A compact GPT-2-style language model (~17.7M parameters) trained from scratch on the TinyStories dataset — a collection of 2.1M synthetically generated short stories designed for small-scale language model training.

Model Details

ParameterValue
ArchitectureGPT-2 (decoder-only transformer)
Parameters17.7M
Layers6
Hidden dimension256
Attention heads8
Vocabulary size50,257 (GPT-2 BPE)
Context length256 tokens
TokenizerGPT-2
Training dataTinyStories (2,119,719 stories)
Training frameworkHugging Face Transformers + Accelerate

Evaluation Results

MetricScoreInterpretation
Validation Loss1.5902Cross-entropy on held-out stories
Avg Loss (2K samples)1.5700Independent re-evaluation
Perplexity4.81Excellent — model confidently predicts next tokens
BLEU0.1082Reasonable for open-ended generation
Distinct-10.4108Diverse vocabulary usage (>0.3 = good)
Distinct-20.7896Highly diverse phrase generation (>0.5 = good)

A perplexity of 4.81 is excellent for TinyStories — the model has learned the simple vocabulary and story structure well. For comparison, random prediction would yield perplexity ~50,257 (vocab size).

Usage

Quick Start

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "bhautikv/mini-gpt-tinystories"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype=torch.float16)
model.to("cuda" if torch.cuda.is_available() else "cpu")

prompt = "Once upon a time, a little girl named Lily"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

output = model.generate(
    **inputs,
    max_new_tokens=150,
    do_sample=True,
    temperature=0.7,
    top_p=0.9,
    repetition_penalty=1.1,
    pad_token_id=tokenizer.eos_token_id,
)

print(tokenizer.decode(output, skip_special_tokens=True))

Batch Generation

prompts = [
    "Once upon a time, a little girl named Lily",
    "The brave knight approached the dragon and",
    "One day, a small bird found a shiny",
]

for prompt in prompts:
    inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
    output = model.generate(
        **inputs,
        max_new_tokens=120,
        do_sample=True,
        temperature=0.7,
        top_p=0.9,
        repetition_penalty=1.1,
        pad_token_id=tokenizer.eos_token_id,
    )
    print(tokenizer.decode(output, skip_special_tokens=True))
    print("---")

Training Procedure

Training Hyperparameters

HyperparameterValue
Learning rate3e-4
Train batch size (per device)32
Eval batch size (per device)32
Gradient accumulation steps2
Total effective batch size128
OptimizerAdamW (betas=(0.9, 0.999), eps=1e-8)
LR schedulerCosine
Warmup steps1,000
Number of epochs3
Total training steps43,179
Mixed precisionfp16 (Native AMP)
Seed42
Distributed typeMulti-GPU (2× T4)
Total eval batch size64

Training Results

Training LossEpochStepValidation Loss
3.15020.069510003.0154
2.45820.139020002.3299
2.22080.208430002.1053
2.10850.277940001.9927
2.02660.347450001.9238
1.97360.416960001.8746
1.93610.486470001.8391
1.91760.555880001.8104
1.89220.625390001.7867
1.87430.6948100001.7685
1.85300.7643110001.7514
1.83900.8338120001.7365
1.82450.9032130001.7248
1.81750.9727140001.7126
1.79691.0422150001.7037
1.79731.1117160001.6945
1.78341.1811170001.6860
1.76941.2506180001.6797
1.76231.3201190001.6723
1.75791.3896200001.6650
1.75141.4591210001.6569
1.75041.5285220001.6508
1.74171.5980230001.6460
1.73091.6675240001.6404
1.73351.7370250001.6354
1.72061.8065260001.6304
1.72091.8759270001.6256
1.72191.9454280001.6209
1.71102.0149290001.6172
1.70222.0843300001.6134
1.70072.1538310001.6100
1.68812.2233320001.6062
1.69692.2928330001.6029
1.69832.3623340001.6006
1.69402.4318350001.5985
1.68752.5012360001.5960
1.69482.5707370001.5946
1.69212.6402380001.5927
1.67952.7097390001.5918
1.68202.7792400001.5912
1.67992.8486410001.5906
1.68192.9181420001.5902
1.68482.9876430001.5902
1.67923.0431791.5902

Training Infrastructure

  • Platform: Kaggle Notebook (GPU T4 x2)
  • GPUs: 2× NVIDIA T4 (16GB each)
  • Distributed strategy: Accelerate launch with DistributedDataParallel
  • Experiment tracking: Trackio (Hugging Face)
  • Training time: ~6 hours (including data preprocessing)

Data Preprocessing

  1. Loaded 2,119,719 training stories and 21,990 validation stories from TinyStories
  2. Tokenized using GPT-2 BPE tokenizer (vocab size 50,257)
  3. Concatenated all tokens and grouped into fixed 256-token blocks
  4. Used DataCollatorForLanguageModeling with dynamic padding for training

Intended Uses & Limitations

Intended Uses

  • Educational demonstration of small-scale language model training
  • Generating simple children's stories with coherent structure
  • Baseline for experimenting with GPT-2 architecture modifications
  • Learning resource for distributed training with Hugging Face Accelerate

Limitations

  • Only trained on TinyStories — limited to simple vocabulary and short narratives
  • Small model size (17.7M params) limits complexity of generated stories
  • Context length of 256 tokens restricts long-form generation
  • Not suitable for production use, real-world text generation, or handling complex topics
  • May produce repetitive or nonsensical text outside the TinyStories domain

Framework Versions

  • Transformers 5.14.1
  • Pytorch 2.10.0+cu128
  • Datasets 5.0.0
  • Tokenizers 0.22.2
  • Accelerate (latest)
  • Trackio (latest)

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
38fb50f

0 моделей