/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
17 авг 2025

4000BCSaraswaty

Генерация текстаТекст → текст3 профессии

Неизменённая GPT-2 Small на 124 млн параметров для генерации продолжения английского текста, опубликованная как архивный эксперимент.

62скачиваний за 30 дней1лайквеса обновлены12 авг 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

4000BCSaraswaty — неизменённая базовая модель GPT-2 Small с 124 млн параметров, опубликованная проектом South of Tethys для сохранения истории эксперимента. Это плотная авторегрессионная языковая модель для продолжения текста; она не проходила дообучение и не связана с каноном проекта. Модель принимает текст и генерирует текст, поддерживает английский язык, а её контекст ограничен 1024 токенами.

Модель не обучена следовать инструкциям и, по README, плохо справлялась с написанием ответов по заданному краткому описанию даже при наличии подходящего контекста. Для прикладных задач авторы рекомендуют использовать базовый GPT-2 с более ясной карточкой, а для ответов по канону — систему RAG с инструкционной моделью. Репозиторий содержит веса PyTorch и Safetensors; лицензия — MIT.

Сценарии применения

  • эксперименты с генерацией продолжения английского текста
  • изучение базовой архитектуры GPT-2
  • сравнение базовой модели с инструкционно дообученными моделями

Ограничения

Модель не обучена следовать инструкциям; README сообщает, что она не смогла надёжно писать по заданному краткому описанию даже при наличии контекста. Контекст ограничен 1024 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

4000BCSaraswaty

This is stock GPT-2 small (124M), unmodified. It is not a fine-tuned model, and nothing in the South of Tethys project uses it. It is published here for provenance, and this card exists so that nobody mistakes it for the thing its name suggests.

What it actually is

An early experiment from the project's first weeks. The intent was to fine-tune a small model on the South of Tethys canon; what was published was the base checkpoint, before any training happened. The export script still says so in a comment:

model_name = "gpt2"  # Replace with your fine-tuned model if you have one

No replacement ever happened, and it should not now — see below.

Why it was never updated

Because the approach was abandoned, and for a good reason rather than through neglect.

GPT-2 small has no instruction tuning. Given real canon about the Lothal Marsh-Lurker and told plainly not to invent anything, it produced a description of a man holding a snake. Retrieval was never the problem — that part works and is a separate system — but a 124M base model cannot write to a brief, and no amount of prompting fixes that.

The project moved to retrieval-augmented generation against an instruction-tuned model, chosen at runtime. The live service points at Qwen/Qwen2.5-7B-Instruct and never loads this checkpoint.

What to use instead

The canon itself, which is the part with any value in it:

  • Entities — around 470 authored records: species, regions, places, discoveries, people and vocabulary, in database/ with JSON Schema and a lint that enforces referential integrity.
  • Retrieval — a Chroma index over the whole corpus, served behind a small FastAPI service. /lore answers "what does canon say about this place" from the entities themselves.
  • Generation — any instruction-tuned model, set by environment variable. The service holds no opinion about which, and swapping it is a config change.

Should you build on this?

No. It is gpt2, and you should use gpt2 — you will get an identical model with a clearer name and a proper card. This repository is kept because deleting published artifacts breaks links and hides history, not because it is useful.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
689b4e3

0 моделей