Характеристики

Контекст: 512 токенов
Лицензия: MIT
Архитектура: gpt2 · dense
Базовая модель: gpt2
Опубликована: 12 мая 2023

Ссылки

Hugging Face

js-fake-bach-epochs50

juancopi81

Генерация текстаТекст → текст3 профессии

Дообученная модель GPT-2 для генерации текста с контекстом 512 токенов.

140скачиваний за 30 дней0лайковвеса обновлены20 фев 2025

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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

juancopi81/js-fake-bach-epochs50 — дообученная на неизвестном наборе данных модель GPT-2 для генерации текста. Репозиторий содержит веса в форматах PyTorch и safetensors; базовая модель — openai-community/gpt2, контекст — 512 токенов. В карточке приведены значения loss 0,9888 и accuracy 0,0005 на оценочном наборе, но назначение дообучения и характеристики данных не описаны. Модель распространяется по лицензии MIT.

Сценарии применения

эксперименты с генерацией текста на основе GPT-2
оценка поведения дообученной языковой модели
исследование генерации текста на неизвестных данных

Ограничения

Назначение и состав обучающих данных не раскрыты. Приведённая accuracy очень низкая; метрика и условия оценки не поясняются.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

js-fake-bach-epochs50

This model is a fine-tuned version of gpt2 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.9888
Accuracy: 0.0005

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: 0.0006058454513356471
train_batch_size: 16
eval_batch_size: 32
seed: 1
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: cosine
lr_scheduler_warmup_ratio: 0.01
num_epochs: 50

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.3512	1.25	315	0.8371	0.0003
0.8149	2.51	630	0.7684	0.0006
0.7601	3.76	945	0.7187	0.0004
0.7186	5.02	1260	0.6903	0.0002
0.679	6.27	1575	0.6563	0.0005
0.6419	7.53	1890	0.6292	0.0001
0.6073	8.78	2205	0.5949	0.0006
0.575	10.04	2520	0.5828	0.0001
0.5425	11.29	2835	0.5696	0.0003
0.5174	12.55	3150	0.5609	0.0007
0.4933	13.8	3465	0.5576	0.0004
0.4696	15.06	3780	0.5661	0.0002
0.4423	16.31	4095	0.5708	0.0007
0.4196	17.57	4410	0.5780	0.0006
0.398	18.82	4725	0.5820	0.0009
0.374	20.08	5040	0.6099	0.0003
0.3452	21.33	5355	0.6230	0.0006
0.3256	22.59	5670	0.6386	0.0005
0.3047	23.84	5985	0.6462	0.0003
0.2812	25.1	6300	0.6789	0.0003
0.2582	26.35	6615	0.7053	0.0007
0.2406	27.61	6930	0.7199	0.0006
0.2237	28.86	7245	0.7399	0.0006
0.204	30.12	7560	0.7729	0.0006
0.1873	31.37	7875	0.7960	0.0004
0.1725	32.63	8190	0.8231	0.0005
0.1609	33.88	8505	0.8493	0.0004
0.1479	35.14	8820	0.8707	0.0003
0.1361	36.39	9135	0.8931	0.0003
0.1273	37.65	9450	0.9095	0.0003
0.12	38.9	9765	0.9339	0.0005
0.1129	40.16	10080	0.9444	0.0004
0.1062	41.41	10395	0.9626	0.0006
0.1027	42.67	10710	0.9669	0.0006
0.0994	43.92	11025	0.9713	0.0005
0.0955	45.18	11340	0.9830	0.0005
0.0939	46.43	11655	0.9855	0.0005
0.0924	47.69	11970	0.9884	0.0005
0.0916	48.94	12285	0.9888	0.0005

Framework versions

Transformers 4.29.1
Pytorch 2.0.0+cu118
Datasets 2.12.0
Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: GPT2LMHeadModel
Ревизия весов: 5b80d25

Характеристики

Ссылки

js-fake-bach-epochs50

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Ограничения

Для каких профессий подходит3

Карточка модели

js-fake-bach-epochs50

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Как запустить