/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
gpt2-workshop · dense
Библиотека
transformers
Опубликована
25 сен 2026

workshop-pretraining-v2

Генерация текстаТекст → текст3 профессии

Небольшая англоязычная GPT-2-подобная модель, обученная с нуля для практического изучения предварительного обучения и проверки конвейера публикации.

1 322скачиваний за 30 дней0лайковвеса обновлены2 окт 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

kihyounghan подготовил небольшую языковую модель для практического семинара по предварительному обучению LLM. Это плотный декодерный Transformer собственной архитектуры семейства GPT-2 Workshop, содержащий около 123,6 млн параметров; модель использует 12 слоёв, размер скрытого представления 768 и 12 голов внимания. Весы опубликованы в формате safetensors, для загрузки требуется доверенный пользовательский код из репозитория.

Модель обучалась с нуля на английских веб-текстах из поднабора sample-10BT датасета FineWeb-Edu, но обучение ограничили 100 шагами и примерно 52 млн токенов. Она предназначена для обучения процессу предварительного обучения и проверки конвейера сохранения и публикации моделей, а не для генерации связного текста или реальных приложений.

Выходы модели повторяющиеся, неграмотные и часто не связаны с запросом. Модель не оценивалась на безопасность, фактическую точность и смещения. Лицензия в предоставленных данных не указана.

Сценарии применения

  • изучение этапов предварительного обучения языковой модели
  • проверка сохранения весов и публикации модели на Hugging Face
  • эксперименты с загрузкой пользовательской архитектуры Transformer
  • демонстрация генерации текста на учебном примере

Ограничения

Обучение длилось всего 100 шагов, поэтому модель генерирует повторяющийся, неграмотный и часто не связанный с запросом текст; для практических приложений она не подходит. Безопасность, фактическая точность и смещения не оценивались.

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

workshop-pretraining-v2

A small (123.6M parameters) decoder-only Transformer language model, pretrained from scratch for only 100 optimizer steps as part of a hands-on LLM pretraining workshop.

This is an educational checkpoint, not a usable language model. It was trained on about 52 million tokens (roughly 0.5% of the 10B-token plan in the workshop notebook), so it produces mostly frequent words with no coherent meaning. See Limitations.

Model details

ItemValue
ArchitectureDecoder-only Transformer (GPT-2 sized, with modern components)
Parameters123,587,328
Layers / hidden size / heads12 / 768 / 12 (head dim 64)
Context length1024 tokens
Vocabulary50,304 (GPT-2 BPE with 50,257 tokens, padded to a multiple of 64)
Feed-forward4x expansion, ReLU² activation, no biases
NormalizationRMSNorm, pre-norm
Positional encodingRotary embeddings (RoPE, theta = 10000)
Output headTied with the input embedding, tanh logit soft-capping (cap = 30)
Dropout0.1 (training only)
Tokenizertiktoken GPT-2 encoding (`<

This is a custom architecture, not GPT2LMHeadModel. Loading it requires trust_remote_code=True. The model code is in configuration_gpt2workshop.py and modeling_gpt2workshop.py in this repository.

Training

ItemValue
DataHuggingFaceFW/fineweb-edu, sample-10BT subset, streamed and tokenized into uint16 shards
Training length100 optimizer steps
Tokens per step524,288 (micro-batch 4 x 1024 tokens x 128 gradient-accumulation steps)
Tokens seenabout 52.4M
OptimizerAdamW, betas (0.9, 0.95), weight decay 0.1 (not applied to norms and 1-D parameters), fused
Learning ratePeak 6e-4, linear warmup for 10 steps, then cosine decay to 6e-5
Gradient clipping1.0
Precisionbfloat16 autocast
Hardware1x NVIDIA GeForce RTX 3080 Laptop GPU (8 GB), about 93 minutes, about 9,000 tokens/s
FrameworkPyTorch (no torch.compile)

Results

MetricValue
Training loss, step 108.58
Training loss, step 507.28
Training loss, step 1006.97
LAMBADA accuracy (steps 50 and 100)0.0000

For reference, a uniform random guess over this vocabulary gives a loss of about 10.8.

How to use

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "kihyounghan/workshop-pretraining-v2"
device = "cuda" if torch.cuda.is_available() else "cpu"

tokenizer = AutoTokenizer.from_pretrained(repo, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(repo, trust_remote_code=True).to(device)
model.eval()

prompt = "The best way to learn programming is"
input_ids = tokenizer.encode(prompt, return_tensors="pt").to(device)

with torch.no_grad():
    output_ids = model.generate(
        input_ids, max_new_tokens=50, do_sample=True, temperature=0.8, top_k=50
    )

print(tokenizer.decode(output_ids[0], skip_special_tokens=True))

trust_remote_code=True runs the Python files stored in this repository. Review them first, or pin a specific commit with revision="<commit hash>".

Example output

Prompt: The theory of relativity states that

The theory of relativity states that you, they the research and the high of the following of ...

The model has learned which words are frequent in English, but not grammar or meaning yet.

Limitations

  • Trained for 100 steps only, so outputs are repetitive, ungrammatical and unrelated to the prompt.
  • Not evaluated for safety, factuality or bias. It is not suitable for any real application.
  • Trained on English web text only. The training data may contain biases and errors.
  • Intended for learning and for testing the pretraining, export and upload pipeline.

한국어 요약

LLM 사전학습(pretraining) 워크숍 실습용으로 처음부터 학습한 약 1.24억 파라미터 모델입니다. 100 스텝(약 5,200만 토큰)만 학습해서 실제로 쓸 수 있는 수준이 아니며, 학습 → 저장 → Hugging Face 업로드 과정을 확인하기 위한 예제 체크포인트입니다.

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
GPT2WorkshopForCausalLM
Ревизия весов
20c9a91

0 моделей