/ Модель

Характеристики

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

candor_shuffle_np_new_67

Генерация текстаТекст → текст3 профессии

Дообученная GPT-2 для генерации текста с контекстом 1024 токена; конкретное назначение и данные обучения не описаны.

36скачиваний 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_shuffle_np_new_67 — модель генерации текста на архитектуре GPT-2, представленная пользователем fpadovani. Она реализована для Transformers и сохранена в формате safetensors; контекст составляет 1024 токена. В карточке указано, что модель дообучена, но базовая модель, датасет и предполагаемые сценарии применения не названы.

Модель можно рассматривать для экспериментов с генерацией текста и оценки языковых моделей. В карточке приведено значение loss 4,4724 на наборе оценки, однако его методика и условия не описаны, поэтому по этому числу нельзя судить о качестве в конкретных задачах. Лицензия в предоставленных данных не указана.

Сценарии применения

  • эксперименты с генерацией текста
  • тестирование GPT-2 в Transformers
  • оценка языковой модели на собственных данных

Ограничения

Базовая модель, обучающие данные и целевые сценарии не описаны; приведённый loss не сопровождается методикой оценки. Лицензия в доступных 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

candor_shuffle_np_new_67

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

  • Loss: 4.4724

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: 67
  • 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: 5
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
5.74511.04224.7857
4.63122.08444.6025
4.51363.012664.5301
4.44994.016884.4906
4.40925.021104.4724

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
5f610a7

0 моделей