/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
gpt2 · dense
Опубликована
1 окт 2026

gpt2-c4-muon-lr3e-3-475690

Генерация текстаТекст → текст3 профессии

GPT-2 small, обученная с нуля на английском C4 с оптимизатором Muon, генерирует продолжение текста в контексте до 1 024 токенов.

230скачиваний за 30 дней0лайковвеса обновлены1 окт 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

Это экспериментальный англоязычный генератор текста семейства GPT-2 small, обученный с нуля разработчиком burnedinthesky на отфильтрованных, дедуплицированных данных C4. Модель использует архитектуру GPT-2 и соответствующий токенизатор с дополненным словарём на 50 304 токена; контекст — 1 024 токена. Для скрытых проекционных матриц при обучении применялся Muon, для остальных параметров — AdamW. Итоговый чекпойнт обработал около 1,5 млрд входных токенов; на описанной проверочной выборке C4 указаны loss 3,366 и perplexity 28,96.

Модель предназначена для продолжения английского текста и экспериментов с обучением компактных авторегрессионных языковых моделей и оптимизатором Muon. README не сообщает отдельную лицензию, поэтому условия использования по имеющимся данным определить нельзя. Результаты оценки относятся к небольшой выборке C4 и не описывают качество на других задачах или доменах.

Сценарии применения

  • продолжение англоязычного текста
  • эксперименты с компактными авторегрессионными языковыми моделями
  • изучение обучения GPT-2 на корпусе C4
  • сравнение оптимизатора Muon с AdamW при обучении языковых моделей

Ограничения

Контекст ограничен 1 024 токенами. Оценка проведена только на 2 048 документах C4 и не подтверждает качество на других корпусах или прикладных задачах; лицензия в предоставленных данных не указана.

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

GPT-2 small trained on C4 with Muon

Trained from scratch with the GPT-2 small architecture and tokenizer, with a padded vocabulary of 50,304 tokens. This is the final checkpoint from Slurm job 475690.

  • Peak LR: 0.003; 5% linear warmup, then 95% cosine decay with no plateau.
  • Muon for hidden projection matrices; AdamW for other parameters.
  • Context: 1,024 tokens; global batch: 544 sequences.
  • Two H200 GPUs; BF16 training, torch.compile, FlashAttention 2.
  • 2,690 optimizer updates; 1,498,480,640 input tokens processed.
  • Deduplicated, filtered, shuffled, packed C4 English training data.

Evaluation

Final token-weighted loss: 3.365911; perplexity: 28.959873. Evaluated on 2,048 C4 English validation documents after the first 100,000 in seed-42 shuffled order, truncated to 1,024 GPT-2 tokens per document. This is the development holdout, not the OJ 100,000-document evaluation.

Training: https://wandb.ai/cerulean-labs/gpt2-training/runs/73376194

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
54a4637

0 моделей