/ Модель
Каталог

Характеристики

Контекст
256 токенов
Параметры
126 млн
Архитектура
opt · dense
Библиотека
transformers
Опубликована
19 мар 2026

Ссылки

Hugging Face

opt-babylm1-randomremoval_seed-42_5e-6

kanishka
Генерация текстаТекст → текст3 профессии

Небольшая причинная модель семейства OPT для генерации текста с контекстом до 256 токенов.

128скачиваний за 30 дней0лайковвеса обновлены19 мар 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

kanishka/opt-babylm1-randomremoval_seed-42_5e-6 — причинная языковая модель семейства OPT, обученная с нуля. В метаданных указаны архитектура OPTForCausalLM, 125,8 млн параметров, библиотека Transformers, формат safetensors и контекст длиной 256 токенов.

Модель предназначена для генерации продолжений текста. В README приведён результат оценки: loss 2,9395; сведения о наборе данных, языках и предполагаемых сценариях использования отсутствуют. Указание на обучение с нуля не позволяет определить, кем разработана модель или на каких данных она обучалась.

Лицензия в предоставленных данных не указана. Короткий контекст и отсутствие описания обучения и назначенных сценариев ограничивают выводы о качестве и пригодности модели для конкретных задач.

Сценарии применения

  • генерация коротких продолжений текста
  • эксперименты с компактными языковыми моделями
  • оценка генерации текста по значению loss

Ограничения

В README не описаны обучающие данные, поддерживаемые языки и целевые сценарии; приведён только результат loss 2,9395. Контекст ограничен 256 токенами, а лицензия в предоставленных данных не указана.

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 000моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

opt-babylm1-randomremoval_seed-42_5e-6

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

  • Loss: 2.9395

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
5.27120.423610005.2297
4.71250.847220004.7089
4.21051.270730004.2034
3.85311.694340003.8440
3.56792.117850003.5593
3.4082.541460003.4013
3.30922.964970003.3081
3.22293.388480003.2421
3.18253.812090003.1910
3.11754.2355100003.1605
3.09474.6591110003.1276
3.0245.0826120003.1013
3.02975.5062130003.0816
3.00685.9298140003.0617
2.96136.3533150003.0500
2.96146.7769160003.0341
2.92337.2004170003.0316
2.92647.6240180003.0157
2.87098.0474190003.0090
2.88938.4710200003.0024
2.89518.8946210002.9894
2.85829.3181220002.9951
2.86569.7417230002.9820
2.816110.1652240002.9869
2.839310.5888250002.9735
2.819811.0123260002.9739
2.806711.4359270002.9667
2.806211.8595280002.9608
2.778112.2830290002.9631
2.786812.7066300002.9567
2.751113.1300310002.9622
2.762513.5536320002.9537
2.769813.9772330002.9473
2.737514.4007340002.9522
2.751514.8243350002.9454
2.719815.2478360002.9490
2.725415.6714370002.9462
2.701916.0949380002.9481
2.706416.5185390002.9441
2.715616.9421400002.9404
2.692517.3656410002.9435
2.696717.7892420002.9396
2.679818.2126430002.9414
2.683118.6362440002.9400
2.675119.0597450002.9399
2.675219.4833460002.9398
2.677919.9069470002.9395

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
684a237

0 моделей

    Создать бенчмарк