/ Модель

Характеристики

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

gpt2-c4-muon-lr5e-3-475772

Генерация текстаТекст → текст3 профессии

Обученная с нуля на английском C4 компактная GPT-2-модель для генерации продолжения текста с контекстом до 1 024 токенов.

228скачиваний 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

GPT-2 small — плотная авторегрессионная языковая модель на архитектуре GPT-2 и с её токенизатором, обученная с нуля на английских данных C4. Модель создана автором репозитория burnedinthesky; это финальный чекпойнт задания Slurm 475772 с размером словаря 50 304 токена и контекстом 1 024 токена.

Модель предназначена для генерации продолжения текста на английском языке. Она обучалась на дедуплицированных, отфильтрованных и перемешанных данных C4; при обучении использовался оптимизатор Muon для скрытых проекционных матриц и AdamW для остальных параметров. На указанной в карточке выборке C4 получены loss 3,362399 и perplexity 28,858345; это результаты development holdout, а не отдельной масштабной оценки. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация продолжения английского текста
  • создание коротких черновиков на английском
  • эксперименты с обучением GPT-2 на корпусе C4
  • сравнение оптимизатора Muon с другими методами обучения языковых моделей

Ограничения

Контекст ограничен 1 024 токенами; указанная оценка проведена на небольшой выборке development holdout и не является результатом OJ 100 000-документной оценки. Карточка не сообщает лицензию.

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 475772.

  • Peak LR: 0.005; 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.
  • 2,684 optimizer updates; 1,495,138,304 input tokens processed.
  • Deduplicated, filtered, shuffled, packed C4 English training data.

Evaluation

Final token-weighted loss: 3.362399; perplexity: 28.858345. 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/01eb5f5d

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
1d2e5ff

0 моделей