/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
6 окт 2026

gpt124m-scratch-finewebedu-1b-20261006

Генерация текстаТекст → текст

Компактная GPT-2-подобная модель, обученная с нуля для продолжения английского текста и образовательных демонстраций.

332скачиваний за 30 дней0лайковвеса обновлены6 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

Модель felixmurraytang/gpt124m-scratch-finewebedu-1b-20261006 — компактная авторегрессионная языковая модель в стиле GPT-2, разработанная автором репозитория и обученная с нуля на английских текстах FineWeb-Edu. Она содержит около 124,4 млн параметров; использует 12 слоёв, 12 голов внимания и контекст до 1 024 токенов. Для токенизации повторно использованы токенизатор и словарь GPT-2, но предобученные веса GPT-2 не использовались.

Модель предназначена для продолжения английского текста и образовательных демонстраций обучения языковых моделей. Она не настроена для чата или следования инструкциям. Обучение остановлено после примерно 1 млрд предсказаний следующего токена, поэтому качество и возможности ограничены; модель может выдавать повторы, ошибки, предвзятый или неподходящий текст и воспроизводить фрагменты источников. Для весов в этом выпуске явная лицензия не предоставлена; права на исходные веб-тексты регулируются отдельно. Артефакт распространяется в формате FP32 safetensors.

Сценарии применения

  • продолжение англоязычного текста по затравке
  • демонстрация обучения GPT-подобной модели с нуля
  • эксперименты с генерацией текста на небольших языковых моделях

Ограничения

Модель мала и обучалась недолго, не поддерживает следование инструкциям и не предназначена для чата; возможны повторы, фактические ошибки, предвзятый или неподходящий текст и воспроизведение фрагментов источников. Для весов явная лицензия не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GPT124M from scratch: 1B-token educational demo

This 124,439,808-parameter GPT-2-style decoder was initialized randomly and trained on 1,000,341,504 next-token predictions. No pretrained model weights were used. Only the GPT-2 tokenizer was reused. It completes English text; it is not a chat or instruction-following assistant.

Architecture and training

12 layers, 12 attention heads, hidden size 768, vocabulary 50,257, context length 1,024; learned positional embeddings and tied input/output embeddings. Dropout was zero. Training used two Tesla T4 GPUs on free Kaggle resources, FP16 autocast with FP32 parameters, AdamW (betas 0.9/0.95, epsilon 1e-8), weight decay 0.1 on matrix weights and gradient clipping at 1. Global batch: 524,288 tokens. Peak learning rate: 0.0006; linear warmup over 350M tokens followed by cosine decay on a fixed 10B-token horizon. Training stopped at the 1B milestone; it did not train for 10B tokens.

Full-state checkpoints and exact fresh-session numerical replay were verified during training. This repository contains inference weights only in FP32 safetensors, configuration and tokenizer assets. It does not contain optimizer state, RNG state, data shards or private notebook references.

Data and attribution

Contains information learned from FineWeb-Edu, Lozhkov et al., Hugging Face, 2024, DOI 10.57967/hf/2497. English sample-10BT, pinned source revision 87f09149ef4734204d70ed1d046ddc9ca3f2b8f9; a bounded stream supplied 1.1B training token positions. No personal files were included. Documents with SHA256(text)'s first eight bytes, interpreted little-endian, modulo 100 equal to zero were assigned to held-out data; other documents were assigned to training. Identical documents therefore stayed in the same split. No additional near-duplicate decontamination was performed beyond upstream processing.

The source database is made available under ODC-By 1.0, with Common Crawl terms also relevant. Underlying web content retains its own rights. That database license is not asserted as a blanket license for these model weights or underlying content. No explicit license grant for the weights has been assigned in this release; contact the repository owner for reuse licensing. GPT-2 tokenizer assets retain OpenAI's MIT notice in TOKENIZER_LICENSE.txt.

Evaluation and limitations

Final held-out cross-entropy: 3.595338761806488; perplexity: 36.42803832595232, over 65,536 in-domain held-out token predictions. Initial held-out loss was 10.990954279899597. Final training-batch loss was 3.6821436882019043. These are diagnostic measurements, not general capability benchmarks. Sustained continuation throughput was 15,683 tokens/second on the two T4s.

The model is small and trained briefly. Outputs can be repetitive, inaccurate, biased or inappropriate, and it may reproduce source-like passages. It has no instruction tuning, factual verification or moderation guarantees. It is intended for an educational text-completion demonstration.

Local inference

import torch
from transformers import AutoTokenizer, GPT2LMHeadModel

repo = "felixmurraytang/gpt124m-scratch-finewebedu-1b-20261006"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = GPT2LMHeadModel.from_pretrained(repo, dtype=torch.float32).eval()
inputs = tokenizer("The purpose of education is", return_tensors="pt")
with torch.inference_mode():
    output = model.generate(**inputs, max_new_tokens=64, do_sample=False,
                            pad_token_id=tokenizer.eos_token_id, use_cache=True)
print(tokenizer.decode(output[0], skip_special_tokens=True))

from_pretrained here loads this newly trained artifact, not original GPT-2 pretrained weights. Tested export environment: PyTorch 2.11.0 and Transformers 5.16.1. No remote custom code is required. Keep prompt plus output within 1,024 tokens.

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
525a874

0 моделей