/ Модель

Характеристики

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

functionalizer-100M-github-code-python-seed4

Генерация текстаТекст → текст3 профессии

Экспериментальная GPT-2-модель на 100 млн параметров для генерации текста и кода на Python.

483скачиваний 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, созданная с использованием фреймворка Functionalizer. В метаданных указана архитектура GPT-2 и класс GPT2LMHeadModel; модель предназначена для генерации текста. Она обучалась на датасете GitHub-кода на Python с заданным seed в течение 50 000 эпох.

Модель может использоваться для экспериментов с генерацией кода на Python и изучения подхода Functionalizer к разбиению текста на субсловные токены. Для запуска требуется форк токенизатора, упомянутый в карточке. Указанный размер контекста — 512 токенов; веса доступны в формате safetensors. Карточка не приводит сведений о лицензии или результатах оценки качества.

Сценарии применения

  • эксперименты с генерацией кода на Python
  • изучение генерации текста архитектурой GPT-2
  • исследование функционального разбиения на субсловные токены

Ограничения

Для запуска требуется упомянутый в карточке форк токенизатора; длина контекста составляет 512 токенов. Карточка не сообщает результаты оценки качества.

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, presented in The Functionalizer: Lossless Functional Decomposition for Subword Tokenization. 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
8f10365

0 моделей