/ Модель
Каталог

Характеристики

Контекст
512 токенов
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
31 авг 2025

Ссылки

Hugging Face

CEFR-larger-C-babylm-urop-shivan

climb-mao
Генерация текстаТекст → текст3 профессии

Дообученная языковая модель GPT-2 для генерации текста с контекстом до 512 токенов.

279скачиваний за 30 дней0лайковвеса обновлены31 авг 2025

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.

Открыть конструктор бенчмарка

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

CEFR-larger-C-babylm-urop-shivan — языковая модель на архитектуре GPT-2, опубликованная в формате safetensors и дообученная на неизвестном наборе данных. Она предназначена для генерации текста; карточка приводит значение loss 3,8672 на оценочном наборе, но не описывает его состав или методику оценки. Максимальная длина контекста — 512 токенов. Сведения о разработчике, целевых сценариях и лицензии отсутствуют в предоставленных данных.

Сценарии применения

  • генерация коротких текстовых продолжений

Ограничения

Данные обучения и целевые сценарии не описаны, поэтому качество и пригодность для конкретных задач оценить нельзя. Лицензия и языковая поддержка в предоставленных данных не указаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CEFR-larger-C-babylm-urop-shivan

This model is a fine-tuned version of on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 3.8672

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 64
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Use adamw_torch_fused with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 3
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
4.89841.0118834.2954
4.10482.0237663.9683
3.87843.0356493.8672

Framework versions

  • Transformers 4.55.2
  • Pytorch 2.8.0.dev20250610+cu118
  • Datasets 4.0.0
  • Tokenizers 0.21.4

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
a988898

0 моделей

    Создать бенчмарк