/ Модель

Характеристики

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

functionalizer-100M-github-code-python-seed3

Генерация текстаТекст → текст3 профессии

Экспериментальная генеративная GPT-2-модель примерно на 100 млн параметров, обученная на коде Python из GitHub для генерации продолжений кода.

505скачиваний 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 — генеративная модель семейства GPT-2, разработанная в рамках проекта Functionalizer и основанная на работе «The Functionalizer: Lossless Functional Decomposition for Subword Tokenization». Это пример модели примерно на 100 млн параметров, обученной на коде Python из GitHub с seed 3 в рамках фреймворка Functionalizer. Для запуска требуется специальная версия токенизатора Functionalizer.

Модель предназначена для генерации текста, в частности продолжения кода Python. Указанная длина контекста — 512 токенов. Репозиторий содержит веса в формате safetensors. В README не приведены результаты оценки качества или условия лицензии.

Сценарии применения

  • генерация продолжений кода Python
  • создание примеров кода на Python
  • эксперименты с генерацией кода на базе GPT-2

Ограничения

Для запуска требуется специальный форк токенизатора Functionalizer. В карточке не приведены результаты оценки качества и условия лицензии.

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 model is based on The Functionalizer: Lossless Functional Decomposition for Subword Tokenization.

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

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
8f0c732

0 моделей