/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
25 ноя 2025

candor_o_30

Генерация текстаТекст → текст3 профессии

Дообученная GPT-2-модель для генерации текста с контекстом до 1024 токенов.

143скачиваний за 30 дней0лайковвеса обновлены11 сен 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

candor_o_30 — дообученная автором fpadovani GPT-2-модель для генерации текста. В репозитории указаны архитектура GPT2LMHeadModel, формат safetensors и контекст до 1024 токенов. Карточка сообщает результат оценки: loss 3,4925, но не описывает назначение модели, обучающие данные или конкретные сценарии применения. Лицензия и базовая модель не указаны.

Сценарии применения

  • генерация текста

Ограничения

Назначение, обучающие данные и качество модели для конкретных задач не описаны; приведено только значение loss 3,4925 на оценочном наборе. Лицензия и точная базовая модель не указаны.

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

candor_o_30

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

  • Loss: 3.4925

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: 256
  • eval_batch_size: 256
  • seed: 30
  • 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
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 20
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
5.28961.04224.0651
3.76572.08443.7301
3.55133.012663.6160
3.44034.016883.5491
3.36135.021103.5038
3.29726.025323.4731
3.24217.029543.4527
3.19198.033763.4370
3.14469.037983.4284
3.099510.042203.4255
3.055811.046423.4259
3.013512.050643.4277
2.972713.054863.4396
2.933614.059083.4437
2.895815.063303.4524
2.861216.067523.4632
2.83117.071743.4734
2.805518.075963.4825
2.78419.080183.4882
2.767420.084403.4925

Framework versions

  • Transformers 4.56.1
  • Pytorch 2.8.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.0

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
dee6a3f

0 моделей