/ Модель

Характеристики

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

wiki_o_30

Генерация текстаТекст → текст3 профессии

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

230скачиваний 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

wikio30 — модель генерации текста на архитектуре GPT-2, опубликованная пользователем fpadovani в формате safetensors для библиотеки Transformers. Она дообучена на неизвестной базовой модели и неизвестном наборе данных; карточка приводит значение loss 4,3683 на оценочной выборке, но не уточняет методику оценки. Модель подходит для экспериментов с генерацией текста. Контекстное окно составляет 1024 токена.

Карточка не описывает предполагаемые сценарии применения, языки, сильные стороны или ограничения качества. Лицензия в предоставленных данных не указана.

Сценарии применения

  • эксперименты с генерацией текста на основе промптов
  • создание продолжений коротких текстов
  • оценка GPT-2 на собственных текстовых примерах

Ограничения

Базовая модель и данные дообучения не названы; приведённый loss нельзя интерпретировать без описания набора данных и методики оценки. Лицензия и ограничения применения 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

wiki_o_30

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

  • Loss: 4.3683

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
6.97141.03995.9843
5.61322.07985.3491
5.1593.011975.0553
4.89744.015964.8676
4.70585.019954.7338
4.55236.023944.6314
4.42357.027934.5561
4.31238.031924.5001
4.21369.035914.4575
4.12710.039904.4262
4.050311.043894.4051
3.981612.047884.3878
3.9213.051874.3770
3.865114.055864.3691
3.815815.059854.3645
3.772116.063844.3642
3.733617.067834.3644
3.700618.071824.3670
3.673319.075814.3664
3.652620.079804.3683

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
566ef67

0 моделей