/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpjtgpt2 · dense
Библиотека
transformers
Опубликована
3 окт 2026

8xa100m40-lore-2-both-ordinary-init

Генерация текстаТекст → текст

Компактная GPT-2-подобная языковая модель с низкоранговыми эмбеддингами LoRE для генерации текста и экспериментов.

165скачиваний за 30 дней0лайковвеса обновлены3 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

gpjt/8xa100m40-lore-2-both-ordinary-init — базовая авторегрессионная языковая модель, разработанная Giles Thomas на основе GPT-2-подобной архитектуры из книги Sebastian Raschka «Build a Large Language Model (from Scratch)». Модель обучена с нуля и использует низкоранговые матрицы LoRE для токеновых эмбеддингов и выходного слоя: ранг 128, без специальной инициализации. Архитектура включает 12 слоёв, 12 голов внимания и размерность эмбеддингов 768; в README указаны 98 877 184 параметра и контекст 1 024 токена.

Модель предназначена для генерации продолжения текста и экспериментов с компактными языковыми моделями, в том числе для изучения низкоранговых матриц в эмбеддингах и выходном слое. Она обучена на наборе gpjt/fineweb-gpt2-tokens и доступна в формате safetensors через Transformers. Разработчик предупреждает, что модель обладает ограниченными знаниями и невысокими способностями и не подходит для серьёзных прикладных задач. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжения короткого текста
  • изучение обучения языковых моделей с нуля
  • эксперименты с низкоранговыми матрицами эмбеддингов
  • сравнение компактной GPT-2-подобной модели с другими архитектурами

Ограничения

Разработчик отмечает, что модель знает мало фактов и обладает невысокими способностями; она не предназначена для серьёзного практического применения. Контекст ограничен 1 024 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for gpjt/8xa100m40-lore-2-both-ordinary-init

This model is gpjt/8xa100m40-lore-2-both-ordinary-init, a trained-from-scratch base model based on the GPT-2-style architecture from Sebastian Raschka's book "Build a Large Language Model (from Scratch)", but extended to optionally use low-rank matrices for the embeddings and the output head -- a technique I've taken to calling LoRE (for Low Rank Embeddings). This idea was suggested by AndrewThompson1233.

You can read more about it in the blog post: Low-rank vocab matrices (coming soon!)

LoRE settings for this model

See the blog post for information about what these mean:

  • LoRE enabled for token embeddings: True
  • LoRE enabled for output head: True
  • LoRE rank: 128
  • Smart initialization: False

Model Details

Model Description

  • Developed by: Giles Thomas, based on code by Sebastian Raschka
  • Model type: GPT-2 style Transformer-based causal LLM.
  • License: Apache 2
  • Parameters: 98,877,184
  • Context length: 1,024
  • Transformers embedding dimension: 768
  • MHA heads: 12
  • Layers: 12
  • QKV bias: False
  • Weight tying: False

Don't have high expectations for the model! It has 163M parameters -- or even fewer if it's using LoRE on either the embeddings or the output head -- and was trained on roughly the Chinchilla-optimal number of tokens (~20x the number of parameters) for a non-LoRE version, which means that it doesn't know many facts and is not terribly smart. If you want to do serious work, use a serious model (I like Qwen's). But if you want to build on this and see what you can do with a 2020-vintage LLM, please do feel free to play with it!

Model Sources

How to Get Started with the Model

You can download and run the model for inference directly:

from transformers import pipeline
pipe = pipeline("text-generation", model="gpjt/8xa100m40-lore-2-both-ordinary-init", trust_remote_code=True)
out = pipe(
    "Every effort moves you",
    max_new_tokens=20,
    do_sample=True,
    temperature=1.4,
    top_k=25,
)
print(out[0]["generated_text"])

Note that because it uses custom code, you'll need to set trust_remote_code to True.

It supports AutoTokenizer, AutoModel and AutoModelForCausalLM:

>>> from transformers import AutoTokenizer, AutoModel, AutoModelForCausalLM
>>> tokenizer = AutoTokenizer.from_pretrained("gpjt/8xa100m40-lore-2-both-ordinary-init")
>>> model = AutoModel.from_pretrained("gpjt/8xa100m40-lore-2-both-ordinary-init", trust_remote_code=True)
>>> llm_model = AutoModelForCausalLM.from_pretrained("gpjt/8xa100m40-lore-2-both-ordinary-init", trust_remote_code=True)

You can also fine-tune it; this notebook has an example.

Again, don't expect too much from this model! It's a 163M or fewer-parameter GPT-2 one, trained on a limited number of tokens. It's both dumb and ignorant ;-)

Training Details

  • Machine type: 8x A100 on Lambda, with 40 GiB VRAM per GPU.
  • Tokens: 3,260,252,160 (the target of 3,260,190,720 -- exactly 20x the non-LoRE model's parameter count -- rounded up to the nearest complete batch).
  • Dataset: gpjt/fineweb-gpt2-tokens
  • Micro-batch size: 12
  • Global batch size: 96
  • Dropout: 0.0
  • Gradient clipping: 3.5
  • Learning rate: 0.0014
  • Schedule learning rate: True
  • Weight decay: 0.01

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
GPJTGPT2ModelForCausalLM
Ревизия весов
a36dbcb

0 моделей