/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Базовая модель
gpt2-large
Библиотека
transformers
Опубликована
20 июн 2026

gpt2-large-squad

Генерация текстаТекст → текст3 профессии

Полноценно дообученная GPT-2-large для генерации ответов на английские вопросы по предоставленному контексту в формате SQuAD.

29скачиваний за 30 дней0лайковвеса обновлены20 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

Это полноценно дообученная модель GPT-2-large от автора репозитория medelharchaoui для извлечения ответов из контекста в английских вопросно-ответных задачах формата SQuAD. Она основана на авторегрессионной decoder-only архитектуре GPT-2 с 774 млн параметров и принимает текстовый запрос в формате `answer question: {question: ... context: ...}\nanswer:`, после чего генерирует продолжение с ответом. Модель рассчитана прежде всего на сравнение decoder-only и encoder–decoder подходов, а не на применение как лучший QA-решатель.

На подмножестве из 512 примеров валидационной части SQuAD при генерации с поиском по четырём лучам указаны F1 0,5041 и EM 0,3516. Карточка отмечает, что результаты существенно уступают сравниваемым моделям T5. Модель поддерживает английский язык, использует контекст до 1024 токенов и распространяется по лицензии MIT. Ограничение: она предназначена для английских extractive QA в стиле SQuAD; оценка проведена на подмножестве валидации, а не на официальном тестовом сервере.

Сценарии применения

  • извлечение ответа из английского текста по вопросу
  • ответы на вопросы по контексту в формате SQuAD
  • сравнение decoder-only и encoder–decoder моделей для QA
  • воспроизведение базового эксперимента по экстрактивному QA

Ограничения

Модель предназначена для английских вопросов по контексту в стиле SQuAD и показала ограниченные результаты: F1 0,5041 и EM 0,3516 на подмножестве из 512 валидационных примеров. Карточка позиционирует её как базовую модель для сравнения, а не как рекомендованный QA-решатель.

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

GPT-2-large — full fine-tune on SQuAD (decoder-only baseline)

gpt2-large (774M) fully fine-tuned for extractive QA on SQuAD. This is the decoder-only baseline in an encoder–decoder vs decoder-only paradigm study, included so the comparison is at near-perfect parameter parity (774M vs T5-large's 737M).

TL;DR: even with all 774M parameters trained, the decoder-only model reaches only F1 0.5041 / EM 0.3516 — and is beaten by a T5-large encoder–decoder that trains just its cross-attention bridge (100.7M) by +0.31 F1 (1.61×), and by a 2.4M-param LoRA adapter by a similar margin. The gap is architectural, not a matter of parameter count.

Results (SQuAD validation)

ModelArchitectureTrainable / TotalEMToken F1
GPT-2-large (this model)decoder-only774M / 774M0.35160.5041
T5-small XA-onlyenc-dec6.3M / 60.5M0.52930.7075
T5-large XA-onlyenc-dec100.7M / 737M0.64060.8128
T5-large LoRA r=8enc-dec2.4M / 740M0.64450.8152
T5-large full fine-tuneenc-dec737M / 737M0.66020.8162

Note that even T5-small (60M) — 13× smaller — outperforms this fully-tuned 774M decoder-only model on the same task.

Eval note: 512-example SQuAD-validation generation subset, 4-beam search.

How to use

Trained with prompt answer question: {question: ... context: ...}\nanswer: and the model generates the answer continuation. Match this format exactly:

from transformers import GPT2LMHeadModel, AutoTokenizer

repo = "medelharchaoui/gpt2-large-squad"
tok = AutoTokenizer.from_pretrained(repo)
model = GPT2LMHeadModel.from_pretrained(repo)
tok.pad_token = tok.eos_token

question = "What culture do 'bairn' and 'hyem' originate from?"
context = ("'bairn' and 'hyem' are geordie words with origins in scandinavia; barn and hjem "
           "are the corresponding modern norwegian and danish words.")
prompt = f"answer question: question: {question} context: {context}\nanswer: "
ids = tok(prompt, return_tensors="pt", truncation=True, max_length=384).input_ids
out = model.generate(ids, num_beams=4, max_new_tokens=16, pad_token_id=tok.eos_token_id)
print(tok.decode(out[0][ids.shape[1]:], skip_special_tokens=True))

Training

SettingValue
Base modelgpt2-large (774M)
Fine-tuningfull (all params)
Datasetrajpurkar/squad, 30,000 train examples
Precisionbf16, gradient checkpointing
Optimizer steps3,000 (batch 2 × grad-accum 16 = eff. batch 32)
LR / warmup5e-5, 300 warmup, weight decay 0.01
Source / target max len384 / 32
Seed37
Hardware1× NVIDIA RTX 3060 (12 GB), local

Checkpoint is saved as pytorch_model.bin (streamed tensor-by-tensor to fit constrained RAM); from_pretrained() loads it automatically.

Limitations

  • Provided primarily as a baseline for architecture comparison, not as a recommended QA model — the encoder–decoder checkpoints in this collection are substantially stronger.
  • English SQuAD-style extractive QA only; evaluated on a validation subset, not the official SQuAD test server.

Citation

Part of an encoder–decoder vs decoder-only paradigm study (OptimiAI, 2026).

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
3839018

0 моделей