/ Модель

Характеристики

Контекст
512 токенов
Лицензия
MIT
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
25 авг 2026

quantumgpt-354m-finetuned

Генерация текстаТекст → текст3 профессии

Дообученная GPT-2 Medium с 354 млн параметров генерирует схемы OpenQASM по англоязычным текстовым описаниям для исследовательских и учебных задач.

157скачиваний за 30 дней0лайковвеса обновлены26 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

QuantumGPT-354M-finetuned — дообученная модель на архитектуре GPT-2 Medium с 354 млн параметров, разработанная merileijona для генерации квантовых схем в OpenQASM по текстовым описаниям. Модель обучена на парах «описание — OpenQASM» из набора merileijona/quantum-circuits-21k с усилением примеров коротких корректно завершённых схем, длинных схем и перефразированных запросов. Она работает с контекстом до 512 токенов и рассчитана на английский язык.

Модель предназначена для исследовательских и образовательных задач: создания квантовых схем по запросу и подготовки OpenQASM-кода для последующей проверки. В описанном разработчиком тесте QSemBench-dev-v0.1 модель получила QSS-Core 97,52 для seed 42; однако генератор теста совпадает с генератором обучающих данных, поэтому результат не гарантирует аналогичного качества на иных запросах. Лицензия — MIT.

Сценарии применения

  • генерация квантовой схемы OpenQASM по текстовому описанию
  • создание примеров квантовых схем для обучения
  • подготовка кода квантовой схемы для проверки в Qiskit
  • переформулирование задачи в виде квантовой схемы

Ограничения

Англоязычная модель; в описанной оценке тестовый набор использует тот же генератор, что и обучающие данные, а ограничения с отрицаниями соблюдаются слабо. Каждый сгенерированный контур следует проверять перед запуском на симуляторе или квантовом оборудовании.

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

QuantumGPT-354M (fine-tuned, format-anchored)

The 354M sibling of QuantumGPT-124M-v3: GPT-2 medium architecture (24 layers, 16 heads, 1024 embd, natively 512-token context) fine-tuned with the same format-anchor recipe that produced the v3 champion.

Corrected QSS-Core v0.1: 97.52 / 96.45 (two-seed replication) — final scores after correcting tokenizer stop-marker extraction and rerunning full robustness probes.

Benchmark results (QSemBench-dev-v0.1, n=120 stratified, greedy decode)

Scoring: qiskit qasm2 parse/compile + statevector fidelity ≥ 0.99 vs reference, entanglement checks, prompt-perturbation robustness probes. See TECHNICAL_REPORT.md in merileijona/quantumgpt-124m-v3 for full methodology.

MetricBase 354MFine-tuned (seed 42)Fine-tuned (seed 43)
qsyntax100.00100.00100.00
qcompile100.00100.00100.00
qsemantic95.8397.5095.83
qexecute95.8397.5095.83
qgeneralize95.8896.9195.88
qrobust95.6594.8795.65
qefficiency100.00100.00100.00
QSS-Core v0.196.4597.5296.45

Final corrected replication: seed-42 fine-tuned model QSS 97.5235; seed-43 QSS 96.445. Spread: 1.079 QSS points. The evaluator strips tokenizer stop-marker drift before parsing.

Training

  • Data: merileijona/quantum-circuits-21k (validated description→OpenQASM pairs), format-anchor oversampling ×2 (short perfectly-terminated circuits), long-circuit oversampling ×2, deterministic paraphrase augmentation — the recipe proven on the 124M lineage.
  • Continuation training from the public base: lr 5e-6, cosine schedule, completion-only loss masking, effective batch 4 via gradient accumulation, one epoch per seed.
  • Note: unlike the 124M v3, no architecture mutation was needed — this model already shipped with a 512-token context.

Family comparison (same benchmark)

ModelQSS-Core
quantumgpt-124m-v2 baseline75.00
quantumgpt-354m base96.45
quantumgpt-124m-v3 (ctx512)97.70 / 97.28
quantumgpt-354m fine-tuned97.52 / 96.45

The corrected seed-42 354M model scores 97.52, slightly below the 124M v3 seed-42 score of 97.70; both models are effectively near-ceiling on this development benchmark. The benchmark still shares its generator with training data.

Limitations

Same profile as the family: dev benchmark shares its generator with training data; negation constraints weakly followed; no refusal behavior; English only. Every generated circuit should be verified before execution.

Intended use

Research and education. Verify all outputs before running on real quantum hardware or simulators.

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
12beb1b

0 моделей