Характеристики

Контекст: 512 токенов
Архитектура: gpt2 · dense
Библиотека: transformers
Опубликована: 17 сен 2026

Ссылки

Hugging Face

v5-goldfish-500mb-25k-lower-shared-seed43-deu-ell-sequential_interleaved

nikitastheo

Генерация текстаТекст → текст3 профессии

Авторегрессионная модель GPT-2 для генерации и продолжения текста, связанная с немецким и греческим языками.

375скачиваний за 30 дней0лайковвеса обновлены18 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Модель nikitastheo/v5-goldfish-500mb-25k-lower-shared-seed43-deu-ell-sequential_interleaved — авторегрессионная языковая модель семейства GPT-2 для генерации текста. Согласно карточке, её обучали скриптом train_clm.py из Hugging Face Accelerate без использования Trainer. Репозиторий содержит веса в формате safetensors; модель загружается через Transformers.

Модель подходит для продолжения текста и экспериментов с генерацией. В названии указаны немецкий и греческий языки и последовательное чередование данных, однако README не уточняет состав обучающего набора или результаты оценки. Контекст модели составляет 512 токенов. Лицензия в предоставленных сведениях не описана.

Сценарии применения

продолжение короткого немецкоязычного текста
продолжение короткого грекоязычного текста
эксперименты с авторегрессионной генерацией на GPT-2

Ограничения

Контекст ограничен 512 токенами; в README нет сведений о метриках качества и составе обучающих данных. Условия лицензии не приведены в доступных данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

nikitastheo/v5-goldfish-500mb-25k-lower-shared-seed43-deu-ell-sequential_interleaved

Trained with train_clm.py, a Hugging Face Accelerate causal-LM training script (no Trainer).

Training details

Base config: model_configs/gpt_base_config.json
Tokenizer: nikitastheo/goldfish-500mb-25k-deu-lower-seed43-tokenizer
Max steps: 113560
Learning rate: 0.0001
LR scheduler: linear
Warmup steps: 11356
Batch size (per device): 64
Gradient accumulation steps: 1
Total train batch size: 64
Language switch epoch: 10

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: 8d0b576