/ Модель
Каталог

Характеристики

Контекст
256 токенов
Параметры
126 млн
Архитектура
opt · dense
Библиотека
transformers
Опубликована
25 апр 2026

Ссылки

Hugging Face

opt-babylm1-ntb-ntx_seed-42_5e-6

kanishka
Генерация текстаТекст → текст3 профессии

Небольшая авторегрессионная модель семейства OPT для генерации текста и экспериментов с языковыми моделями.

119скачиваний за 30 дней0лайковвеса обновлены25 апр 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.

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

Модель kanishka/opt-babylm1-ntb-ntx_seed-42_5e-6 — авторегрессионная языковая модель семейства OPT с плотной архитектурой OPTForCausalLM и 125,8 млн параметров. Она обучена с нуля на неизвестном наборе данных; в README приведено значение loss 3,1329 на оценочном наборе.

Модель предназначена для генерации текста и может использоваться в экспериментах с языковыми моделями небольшого размера. Её контекстное окно составляет 256 токенов. В карточке не описаны поддерживаемые языки, конкретные сценарии применения или ограничения по качеству; обучение на неизвестных данных затрудняет оценку поведения модели. Файлы весов представлены в формате safetensors. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • эксперименты с генерацией текста
  • изучение компактных авторегрессионных моделей
  • оценка качества языковой модели на коротких контекстах

Ограничения

Модель обучена на неизвестном наборе данных, а README содержит мало сведений о назначении и ограничениях. Контекст ограничен 256 токенами; качество за пределами указанной оценки loss не охарактеризовано.

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 000моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.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

opt-babylm1-ntb-ntx_seed-42_5e-6

This model was trained from scratch on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 3.1329

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: 5e-06
  • train_batch_size: 32
  • eval_batch_size: 64
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 256
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.05
  • num_epochs: 20.0

Training results

Training LossEpochStepValidation Loss
5.32310.430310005.3236
4.75450.860520004.7988
4.24741.290430004.3491
3.89211.720740004.0106
3.58522.150650003.7059
3.42712.580960003.5586
3.32833.010870003.4875
3.24373.441080003.3988
3.19433.871390003.3481
3.13074.3012100003.3237
3.10684.7315110003.2817
3.0435.1614120003.2612
3.04425.5916130003.2444
3.00886.0215140003.2330
2.98446.4518150003.2144
2.97696.8821160003.2002
2.93587.3119170003.1929
2.94247.7422180003.1871
2.89128.1721190003.1839
2.9138.6024200003.1772
2.87019.0323210003.1741
2.87449.4625220003.1632
2.87119.8928230003.1561
2.837210.3227240003.1616
2.843310.7530250003.1489
2.812511.1829260003.1511
2.818511.6131270003.1429
2.777312.0430280003.1534
2.796712.4733290003.1425
2.798512.9036300003.1338
2.765413.3335310003.1420
2.776413.7637320003.1319
2.747714.1936330003.1390
2.755414.6239340003.1309
2.725315.0538350003.1369
2.736915.4841360003.1355
2.742515.9143370003.1306
2.708716.3442380003.1377
2.718516.7745390003.1323
2.703917.2044400003.1356
2.701417.6346410003.1327
2.687118.0645420003.1341
2.685718.4948430003.1329
2.685718.9251440003.1311
2.679419.3550450003.1330
2.680819.7852460003.1329

Framework versions

  • Transformers 4.54.0
  • Pytorch 2.10.0+cu128
  • Datasets 3.2.0
  • Tokenizers 0.21.4

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
OPTForCausalLM
Ревизия весов
9046c7e

0 моделей

    Создать бенчмарк