/ Модель

Характеристики

Контекст
512 токенов
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
16 сен 2026

functionalizer-100M-fineweb-edu-seed1

Генерация текстаТекст → текст3 профессии

Экспериментальная GPT-2-подобная модель на 100 млн параметров для генерации текста, обученная на FineWeb-Edu с фреймворком Functionalizer.

407скачиваний за 30 дней0лайковвеса обновлены23 сен 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

Functionalizer 100M — экспериментальная языковая модель примерно на 100 млн параметров, основанная на архитектуре GPT-2 и обученная с использованием фреймворка Functionalizer на FineWeb-Edu с seed 1. Модель предназначена для генерации текста; для запуска требуется форк токенизатора, указанный в карточке. В метаданных заявлена библиотека Transformers, формат весов safetensors и контекст 512 токенов.

Карточка связывает модель с работой «The Functionalizer: Lossless Functional Decomposition for Subword Tokenization», но не приводит результатов оценки или подробностей о качестве. Это пример модели, обученной на конкретном датасете и с заданным seed; лицензия в доступных данных не указана.

Сценарии применения

  • эксперименты с генерацией текста на основе GPT-2
  • изучение обучения языковой модели на FineWeb-Edu
  • воспроизведение экспериментов фреймворка Functionalizer

Ограничения

Для запуска нужен указанный в карточке форк токенизатора. Карточка не содержит результатов оценки качества, а заявленный контекст составляет 512 токенов.

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

Functionalizer 100M model

This is a 100M example model. Each model is trained on the dataset specified in the name for 50000 epochs with the given seed.

The model was trained using the Functionalizer framework. Training code and detailed performance analysis are available: https://github.com/connor-makowski/functionalizer

Paper: The Functionalizer: Lossless Functional Decomposition for Subword Tokenization

Running the model

To run the model, use the custom tokenizer fork available here: https://github.com/connor-makowski/tokenizers/tree/functionalizer

Citation

If you find this model or the Functionalizer framework useful, please cite:

@misc{makowski2026functionalizerlosslessfunctionaldecomposition,
      title={The Functionalizer: Lossless Functional Decomposition for Subword Tokenization}, 
      author={Connor Makowski and Willem Guter},
      year={2026},
      eprint={2609.15991},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2609.15991}, 
}

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
97c919a

0 моделей