/ Модель

Характеристики

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

wiki_sh1_30

Генерация текстаТекст → текст3 профессии

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

269скачиваний 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

wikish130 — языковая модель семейства GPT-2, опубликованная пользователем fpadovani. Она предназначена для генерации текста и дообучена на неизвестном наборе данных; в README приведено значение loss 6,0193 на оценочной выборке. Модель использует архитектуру GPT2LMHeadModel, работает с текстом и имеет контекст длиной 1024 токена.

Карточка не описывает целевую область, обучающие данные или специальные сценарии применения, поэтому модель можно характеризовать только как текстовый генератор общего назначения. Для оценки качества приведённого значения loss недостаточно: не сообщаются набор данных и методика оценки. Формат весов — Safetensors; сведения о лицензии отсутствуют.

Сценарии применения

  • генерация продолжения текста
  • создание черновиков на основе текстовой подсказки
  • эксперименты с дообученной моделью GPT-2

Ограничения

Обучающий набор данных, целевая область и условия лицензирования в карточке не описаны. Приведённый loss нельзя полноценно интерпретировать без сведений о выборке и методике оценки.

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_sh1_30

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

  • Loss: 6.0193

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
7.33741.03996.7886
6.56312.07986.5030
6.36113.011976.3739
6.23994.015966.2857
6.14375.019956.2176
6.05826.023946.1570
5.97957.027936.1109
5.90518.031926.0746
5.83459.035916.0432
5.767410.039906.0230
5.703911.043896.0070
5.643512.047885.9996
5.586813.051875.9982
5.534214.055865.9972
5.486415.059855.9970
5.442116.063846.0018
5.403417.067836.0083
5.371618.071826.0128
5.346619.075816.0176
5.328420.079806.0193

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
8102fd7

0 моделей