/ Модель

Характеристики

Контекст
256 токенов
Лицензия
CC0 1.0
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
16 сен 2026

finnegans-fake-bpe4096

Генерация текстаТекст → текст3 профессии

Экспериментальная миниатюрная GPT-2, обученная на «Поминках по Финнегану» для исследования генерации текста и создания новых слов в духе Джойса.

281скачиваний за 30 дней0лайковвеса обновлены16 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

Finnegans Fake — BPE-4096 — это небольшая авторегрессионная языковая модель на архитектуре GPT-2, обученная разработчиком на полном тексте романа Джеймса Джойса «Поминки по Финнегану». Она предназначена для эксперимента: изучить, что может породить модель, видевшая только одну книгу, включая попытки создавать новые слова в духе Джойса.

Модель имеет 12,3 млн параметров, 6 слоёв и 6 голов внимания; её байтовый BPE-токенизатор использует словарь из 4096 токенов. Контекст ограничен 256 токенами. Модель принимает текст и генерирует продолжение; обучение проводилось только на англоязычном литературном произведении, поэтому её нельзя считать универсальной англоязычной моделью.

Автор прямо предупреждает, что модель не предназначена для практического использования и качество генерации низкое. В карточке также описаны особенность токенизатора, добавляющего ведущий пробел при декодировании, и исправленная ошибка в целевой функции обучения. Код опубликован под лицензией CC0-1.0; условия распространения весов отдельно не уточнены.

Сценарии применения

  • экспериментальная генерация продолжений «Поминок по Финнегану»
  • изучение генерации языка по единственному литературному произведению
  • эксперименты с созданием новых слов в стиле Джеймса Джойса

Ограничения

Модель обучена только на одном романе, имеет контекст 256 токенов и, по предупреждению автора, не годится для практического применения. Токенизатор добавляет один ведущий пробел при декодировании; лицензия CC0-1.0 явно указана для кода, но не для весов.

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

Finnegans Fake — BPE-4096

The same book through a 4096-token BPE vocabulary trained on the book itself.

On the book. These weights are trained on the full text of Finnegans Wake. Joyce died in 1941, so the book is public domain in Ireland, the UK and the EU — in the United States it is not, until 2035. Whether trained weights are a derivative work of their training text is unsettled either way. The corpus is not redistributed with the code; the code is CC0 and you supply the book.

What it is

architectureGPT-2 (6 layers, 6 heads, 384 embd)
parameters12,318,720
vocabulary4096
context256 tokens
trained6,000 iters, batch 32, lr 0.0006, dropout 0.2
best val loss5.8768
end-of-run val loss7.7704

This repo carries the best-val checkpoint, not the end of the run.

That distinction is load-bearing here: the run ended 1.89 nats above its own best, so the last checkpoint is meaningfully worse than this one.

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

tok = AutoTokenizer.from_pretrained("finnegans-fake-bpe4096")
model = AutoModelForCausalLM.from_pretrained("finnegans-fake-bpe4096")

ids = tok("riverrun, past Eve and Adam's,", return_tensors="pt").input_ids
out = model.generate(ids, max_new_tokens=200, do_sample=True,
                     temperature=0.9, top_k=100, top_p=0.95)
print(tok.decode(out[0], skip_special_tokens=True))

Sampled at pack time, seed 0, so this is reproducible rather than curated:

riverrun, past Eve and Adam's, tuted, trun's billy, t he's moth, like a pair her ciel, the suddin's in her trave, with her grimmt or she spit her bidly, her she's plink her jawd she a tickle jash she slave her crom, how she's a shine her she was she g

One thing to know about the tokenizer

It is a byte-level BPE with add_prefix_space: true, so decoding inserts a single leading space that was not in your prompt:

tok.decode(tok("riverrun").input_ids)   # -> ' riverrun'

Round-trip is otherwise exact — verified on 20k characters of the training corpus, byte for byte, once that one space is accounted for. Prompt with a leading space, or strip one from the output; do not go looking for a lossy character.

The corpus this measures

running words224,527
distinct word types58,725
types occurring exactly once46,599 (79.4%)
text covered by types seen >=5 times69.8%
distinct characters105

Four in five word types are hapax legomena, which settles tokenisation before any training: a word-level vocabulary is not merely coarse here, it is impossible — most types would carry one example, and every unseen word becomes <unk>, so the model could never coin one. Coining is the only thing worth wanting from it.

A bug worth keeping in the card

Every loss figure this project first published was produced by a broken objective. batch() returned nanoGPT-style pre-shifted labels while transformers shifts labels itself, so the shift happened twice and every run learned to predict token t+2 from position t. It never raised: training ran, loss fell, the curves looked plausible, and the inflated perplexity supported a confident story about the Wake being statistically incompressible. That story was a property of the bug. Only the generated text exposed it, by coming out looking like every second character had been deleted. After the fix, 400 steps beat the 6000 broken ones.

The figures in this card are post-fix.

What it is not

It is not good, and it is not trying to be. The aim was to find out what a language model does when the only language it has ever seen is one book — whether anything resembling English survives, and whether the machine can coin words the way Joyce did rather than quote the ones he already coined. Do not use it for anything.

Code: https://github.com/genaforvena/finnegans-fake — CC0.

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
c0291ac

0 моделей