/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
369 млн
Архитектура
xglm · dense
Библиотека
transformers
Опубликована
14 июн 2026

tigrinya-human-model

Генерация текстаТекст → текст3 профессии

Компактная модель XGLM с 368,7 млн параметров для генерации текста, обученная с нуля на неописанных данных.

16скачиваний за 30 дней0лайковвеса обновлены15 июн 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.

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

tigrinya-human-model — языковая модель с архитектурой XGLMForCausalLM, разработчик которой в карточке не указан. Модель содержит 368,7 млн параметров, принимает текст и предназначена для генерации текста; нативный контекст составляет 2048 токенов.

В README сказано, что модель обучена с нуля, однако обучающий набор обозначен как None. На оценочном наборе указано значение loss 6,2045, но назначение модели, состав данных и практическое качество не описаны. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • эксперименты с генерацией текста на тигринья
  • исследование языкового моделирования для малоресурсных языков
  • тестирование авторегрессивной генерации текста

Ограничения

README не описывает обучающие данные и предполагаемые сценарии, а приведённое значение loss само по себе не позволяет оценить качество генерации. Контекст ограничен 2048 токенами.

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

tigrinya-human-model

This model was trained from scratch on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 6.2045

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: 0.0003
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 32
  • 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: cosine
  • lr_scheduler_warmup_steps: 200
  • num_epochs: 5

Training results

Training LossEpochStepValidation Loss
8.03940.11421007.7904
7.69590.22842007.6207
7.59730.34263007.4871
7.49210.45684007.3849
7.40580.57095007.3094
7.29150.68516007.1744
7.16010.79937007.0875
7.05270.91358006.9761
6.93951.02749006.9111
6.81821.141610006.8366
6.77011.255811006.7599
6.71751.370012006.7156
6.67681.484213006.6487
6.60531.598314006.6034
6.59111.712515006.5556
6.54691.826716006.5132
6.49541.940917006.4833
6.21972.054818006.4587
6.23992.169019006.4149
6.18442.283220006.3713
6.17132.397421006.3447
6.13372.511622006.3205
6.09642.625723006.2838
6.10452.739924006.2665
6.04032.854125006.2431
6.03342.968326006.2070
5.69723.082227006.2313
5.74333.196428006.2223
5.68863.310629006.2213
5.72663.424830006.1778
5.69253.539031006.1677
5.70413.653232006.1701
5.71593.767333006.1559
5.68993.881534006.1493
5.70433.995735006.1856
5.62144.109636006.2702
5.70204.223837006.2724
5.66684.338038006.2092
5.70114.452239006.2258
5.75724.566440006.2257

Framework versions

  • Transformers 5.0.0
  • Pytorch 2.10.0+cu128
  • Datasets 4.8.5
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
XGLMForCausalLM
Ревизия весов
9ffcaa0

0 моделей