/ Модель

Характеристики

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

wiki_o_51

Генерация текстаТекст → текст3 профессии

wikio51 — дообученная языковая модель GPT-2 для генерации текста с контекстом 1024 токена.

142скачиваний 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

wikio51 — языковая модель на архитектуре GPT-2, доступная в формате safetensors и созданная с помощью Transformers. Она предназначена для генерации текста. README сообщает о дообучении модели, однако базовая модель, обучающие данные и предполагаемые сценарии использования не раскрыты. В карточке приведено значение loss 4,3671 на наборе оценки, но без описания набора и протокола это число не позволяет оценить качество в конкретных задачах.

Модель принимает текст и выдаёт текст; длина контекста составляет 1024 токена. Лицензия и ограничения применения в доступных сведениях не описаны.

Сценарии применения

  • генерация продолжения текста
  • создание коротких текстовых фрагментов
  • эксперименты с генерацией на основе GPT-2

Ограничения

Базовая модель и обучающий набор не названы; приведённая оценка loss не сопровождается описанием методики и не показывает пригодность для конкретных задач. Языковая специализация и лицензия 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_51

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

  • Loss: 4.3671

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: 51
  • 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
6.98191.03995.9839
5.61582.07985.3552
5.1643.011975.0618
4.9024.015964.8701
4.71035.019954.7380
4.55666.023944.6373
4.42777.027934.5609
4.31628.031924.5039
4.21769.035914.4623
4.130610.039904.4268
4.053611.043894.4057
3.985312.047884.3880
3.923913.051874.3786
3.868914.055864.3702
3.819415.059854.3663
3.775616.063844.3651
3.737117.067834.3632
3.704218.071824.3638
3.67719.075814.3666
3.656520.079804.3671

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
5ac99c2

0 моделей