/ Модель

Характеристики

Контекст
2 048 токенов
Лицензия
MIT
Архитектура
gpt3dev · dense
Библиотека
transformers
Опубликована
18 июн 2025

GPT3-dev-125m-1806

Генерация текстаТекст → текст3 профессии

Компактная экспериментальная языковая модель на основе архитектуры GPT-3 Small для генерации текста и дальнейших экспериментов с дообучением.

112скачиваний за 30 дней1лайквеса обновлены17 сен 2025

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

Это языковая модель GPT-3 Small объёмом около 125 млн параметров, созданная автором репозитория как попытка воспроизвести архитектуру из статьи OpenAI «Language Models are Few-Shot Learners». Модель обучена на подмножестве датасета FineWeb с помощью PyTorch и библиотеки Transformers; доступны веса в формате PyTorch. Контекст составляет 2048 токенов.

Модель предназначена для генерации продолжений текста и экспериментов с дообучением. В README заявлена почти связная генерация текста и результат 27,98% на MMLU. Используется собственная реализация GPT-3 с Conv1D-слоями для проекций внимания; для инференса требуется код из репозитория, поскольку стандартная загрузка через AutoModelForCausalLM.from_pretrained() не работает. Лицензия — MIT.

Сценарии применения

  • генерация продолжения короткого текста на английском языке
  • эксперименты с дообучением небольшой GPT-подобной модели
  • изучение реализации архитектуры GPT-3 с Conv1D-проекциями
  • оценка базовых возможностей языковой модели на тестах

Ограничения

Модель имеет небольшой размер и README характеризует её генерацию как почти связную; показатель MMLU составляет 27,98%. Для инференса требуется предоставленный скрипт и определение архитектуры: стандартный метод AutoModelForCausalLM.from_pretrained() не поддерживается.

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

GPT-3 Small (125M) - Paper-Faithful Recreation

Welcome! This repository hosts a 125-million parameter language model, an attempt to faithfully recreate the architecture from the original OpenAI GPT-3 paper ("Language Models are Few-Shot Learners").

The model was trained on the FineWeb dataset using PyTorch and the Hugging Face Transformers library. This repository contains the raw model weights (.pt file) and the exact code required for inference.

Important Architectural Note

This model uses a specific, paper-faithful architecture that differs from the standard Hugging Face GPT2Model AND my other models. Notably, it uses Conv1D layers for attention projections, as described in the original paper.

Due to subtle incompatibilities between this custom architecture and the high-level AutoModelForCausalLM.from_pretrained() function, loading this model requires using the provided inference.py script, which defines the architecture and loads the weights directly. Standard Hugging Face loading methods will not work.

You can find all code on GitHub

This is the 125-million parameter model (an attempt to replicate GPT-3 Small).

Model Details

  • Release Date: June 18, 2025
  • Parameters: ~125 Million
  • Architecture: Paper-faithful GPT-3 Small (using Conv1D for attention projections).
  • Training: Trained on a subset of the FineWeb dataset. Further details can be found in the training scripts in the GitHub repository.

This model demonstrates (almost) coherent text generation abilities and serves as a solid foundation for further fine-tuning and experimentation. The model scores 27.98% on MMLU.

How to Use This Model

Because this model requires a specific architecture definition, you must use the provided code to run inference. The standard from_pretrained method will fail.

  1. Clone the repository or download the files: You will need inference.py and the model.pt checkpoint file.

  2. Run the following Python code: The inference.py script contains all necessary logic. Simply run it from your terminal.

    # Make sure you have torch and transformers installed
    pip install torch transformers
    
    # Run the interactive inference script
    python inference.py
    

    The script will load the model and prompt you for input.

    HOW TO RUN

    git clone https://huggingface.co/k050506koch/GPT3-dev-125m-1806/
    
    #OR
    
    huggingface-cli download k050506koch/GPT3-dev-125m-1806
    cd GPT3-dev-125m-1806/
    git lfs pull
    
    python inference_v2.py
    

    Example Code Structure ( inference_v2.py):

    import torch
    from transformers import GPT2TokenizerFast
    
    # --- 1. The full, correct model architecture is defined here ---
    # (GPT3DevConfig, GPT3DevAttention, GPT3DevLM, etc.)
    
    def make_model(vocab_size):
        # ... function to create model instance ...
    
    # --- 2. The model is loaded directly from the .pt file ---
    CHECKPOINT_PATH = './emergency_ckpt_jetson/model.pt'
    tokenizer = GPT2TokenizerFast.from_pretrained('gpt2')
    model = make_model(tokenizer.vocab_size)
    model.load_state_dict(torch.load(CHECKPOINT_PATH))
    model.eval()
    
    # --- 3. The script runs a generation loop ---
    # (The code then prompts for input and generates text)
    

Contributing

Contributions are welcome! I'm a student interested in AI, so my code may have both syntax and logic issues. Please open an issue or submit a pull request for any improvements or bug fixes. I'd be happy to see them.

License

This project is licensed under the MIT License. See the LICENSE file for details.

Acknowledgements

A huge thank you to the teams and communities behind these incredible projects for making this possible!

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
GPT3DevLM
Ревизия весов
55b5765

0 моделей