/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpjtgpt2 · dense
Библиотека
transformers
Опубликована
15 сен 2026

jax-with-mha-bias-fw-fwedu-5050-DEPRECATED

Генерация текстаТекст → текст3 профессии

Экспериментальная GPT-2-подобная модель на 163 млн параметров для генерации текста и экспериментов с небольшой языковой моделью.

481скачиваний за 30 дней1лайквеса обновлены28 сен 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/jax-with-mha-bias-fw-fwedu-5050-DEPRECATED — экспериментальная языковая модель, созданная Giles Thomas с нуля на основе архитектуры GPT-2 из книги Себастьяна Рашки. Она обучалась на JAX на смеси FineWeb-Edu и FineWeb в пропорции 50:50; веса safetensors преобразованы в формат, совместимый с PyTorch. Модель содержит около 163 млн параметров, 12 слоёв и 12 голов внимания, использует контекст до 1 024 токенов и предназначена для генерации текста.

Модель может служить небольшим учебным или исследовательским примером для экспериментов с GPT-2-подобными языковыми моделями и генерацией продолжений текста. Разработчик предупреждает, что модель случайно обучалась на части тестовой выборки и была заменена обновлённой версией. Из-за небольшого размера она знает мало фактов и слабо справляется со сложными задачами. Лицензия — Apache 2.0.

Сценарии применения

  • генерация продолжения короткого текста
  • эксперименты с GPT-2-подобной языковой моделью
  • изучение инференса текстовых моделей через Transformers

Ограничения

Модель случайно обучалась на части тестовой выборки и заменена обновлённой версией. При размере 163 млн параметров она знает мало фактов и не подходит для сложных задач.

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

This model was accidentally trained on a subset of my test set; it has been replaced by this updated version

Model Card for gpjt/jax-with-mha-bias-fw-fwedu-5050-DEPRECATED

This model is gpjt/jax-with-mha-bias-fw-fwedu-5050-DEPRECATED, a trained-from-scratch base model using the GPT-2-style architecture from Sebastian Raschka's book "Build a Large Language Model (from Scratch)".

The model was trained in JAX using a black-box reimplementation of Raschka's original PyTorch code, but the safetensors have been converted back to a PyTorch-compatible format for convenience -- if you run this model, it will be in PyTorch.

Unlike most of my previous models, this was trained on a 50:50 mix of FineWeb-Edu and FineWeb rather than on FineWeb alone -- specifically on this dataset.

Model Details

Model Description

  • Developed by: Giles Thomas, based on code by Sebastian Raschka
  • Model type: GPT-2 style transformers-based causal LLM.
  • License: Apache 2
  • Parameters: 163,009,536
  • Context length: 1,024
  • Embedding dimensions: 768
  • MHA heads: 12
  • Layers: 12
  • QKV bias: False
  • Weight tying: False

Don't have high expectations for the model! It has only 163M parameters (the GPT-2 "small" size) and was trained on roughly the Chinchilla-optimal number of tokens (~20x the number of parameters), 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/jax-with-mha-bias-fw-fwedu-5050-DEPRECATED", 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/jax-with-mha-bias-fw-fwedu-5050")
>>> model = AutoModel.from_pretrained("gpjt/jax-with-mha-bias-fw-fwedu-5050", trust_remote_code=True)
>>> llm_model = AutoModelForCausalLM.from_pretrained("gpjt/jax-with-mha-bias-fw-fwedu-5050", 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-parameter GPT-2 one, trained on a limited number of tokens. It's both dumb and ignorant ;-)

Training Details

  • Machine type: Local machine with an RTX 3090
  • Tokens: 3,260,190,720 (Chinchilla-optimal of 20x parameters) rounded up to the nearest batch.
  • Dataset: gpjt/fw-fwedu-5050-gpt2-tokens-DEPRECATED
  • Micro-batch size: 6
  • 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
fb192d3

0 моделей