/ Модель

Характеристики

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

finnegans-fake-char257

Генерация текстаТекст → текст3 профессии

Экспериментальная символьная GPT-2 генерирует текст, имитирующий лексику и стиль «Поминок по Финнегану», на котором она обучена.

249скачиваний 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

genaforvena/finnegans-fake-char257 — экспериментальная символьная языковая модель GPT-2, обученная автором проекта на полном тексте романа Джеймса Джойса «Поминки по Финнегану». Модель содержит около 10,9 млн параметров, использует 6 слоёв и 6 голов внимания, словарь из 257 токенов и контекст длиной 512 токенов. Для загрузки указана библиотека Transformers; веса хранятся в формате safetensors.

Модель предназначена для экспериментальной генерации текста в духе единственного произведения, на котором она обучалась, и для изучения того, как языковая модель усваивает и порождает необычную лексику. Она не предназначена для практических задач или общего использования. README отмечает, что опубликован лучший чекпойнт по валидации, а обучение ранее содержало ошибку сдвига целевых токенов; приведённые в карточке результаты относятся к версии после исправления.

Код распространяется по лицензии CC0-1.0. Корпус романа в репозитории не распространяется; README отдельно предупреждает о различиях в статусе авторских прав на книгу в разных странах и о неурегулированности вопроса о производности обученных весов от исходного текста.

Сценарии применения

  • эксперименты с генерацией текста по мотивам «Поминок по Финнегану»
  • изучение символьного языкового моделирования
  • исследование генерации редких и выдуманных слов
  • демонстрация обучения языковой модели на одном произведении

Ограничения

Модель обучена только на одном произведении, не предназначена для практического применения или общих задач и может воспроизводить особенности либо фрагменты обучающего текста. Токенизатор добавляет один начальный пробел при декодировании; README также описывает исправленную ошибку сдвига целевых токенов в ранних запусках обучения.

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 — character-level

A 10.9M-parameter GPT-2 that has read exactly one book: Finnegans Wake.

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)
parameters10,942,848
vocabulary257
context512 tokens
trained6,000 iters, batch 24, lr 0.0006, dropout 0.2
best val loss1.8840
end-of-run val loss1.9426

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

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

tok = AutoTokenizer.from_pretrained("finnegans-fake-char257")
model = AutoModelForCausalLM.from_pretrained("finnegans-fake-char257")

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, hand, to know your white benefaster side and missive signation and rate and par

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
124adf3

0 моделей