/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
CC BY-NC-SA 4.0
Архитектура
gpt2 · dense
Опубликована
2 сен 2026

claudius-purus-110m-g

Генерация текстаТекст → текст3 профессии

Генеративная GPT-2-модель для продолжения текстов и исследования семи древних языков на материале произведений, созданных до нашей эры.

206скачиваний за 30 дней1лайквеса обновлены2 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

Claudius Purus 110M-G — авторская генеративная языковая модель, созданная с нуля на архитектуре GPT-2. Она обучена на 27,92 млн токенов из 996 произведений, написанных до нашей эры, на семи древних языках: древнегреческом, латинском, аккадском, шумерском, библейском иврите, классическом китайском и ведийском санскрите. Модель содержит 110,9 млн параметров, использует корпусный байтовый BPE-токенизатор на 32 тыс. элементов и принимает контекст длиной до 1024 токенов.

Модель предназначена для продолжения древних текстов и исследования влияния сохранившихся источников на лексику и стиль. Она воспроизводит отдельные исторические регистры и грамматические особенности, но не предназначена для диалога, фактических ответов или рассуждений. Обучающие данные отражают преимущественно элитарную письменную традицию; иврит представлен непунктированным согласным текстом, а санскрит может слабо реагировать на подсказки вне ритуальной прозы.

Модель распространяется в формате Safetensors по лицензии CC BY-NC-SA 4.0. Из-за условий лицензии она предназначена для исследовательского и игрового использования, не для коммерческого применения.

Сценарии применения

  • продолжение текста в стиле древнегреческой прозы
  • генерация латинского текста в античном регистре
  • эксперименты с аккадской лексикой и текстами о Гильгамеше
  • исследование стилистического влияния древних источников
  • генерация ритуальной прозы на ведийском санскрите
  • продолжение классического китайского и библейского иврита

Ограничения

Модель не предназначена для диалога, рассуждений или надёжного извлечения фактов; она отражает смещённый корпус элитарной сохранившейся литературы. Санскрит может слабо следовать подсказкам, а иврит представлен непунктированным текстом; коммерческое использование ограничено лицензией.

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

Claudius Purus 110M-G

A generative language model with a knowledge cutoff of 0 BCE — the full seven-language variant, including Vedic Sanskrit and the Epic of Gilgamesh. Trained from scratch (architecture, tokenizer, weights) exclusively on text composed before the Common Era. It has never seen a word written after antiquity.

Why NC: two sources — GRETIL's Vedic corpus and the electronic Babylonian Library's Gilgamesh — are CC BY-NC-SA. Whether trained weights inherit a text license is legally unsettled; we honor the licensors' one request regardless, so this model is research/play only. For commercial use, its sibling claudius-purus-110m (clean six-language variant, CC BY-SA 4.0) exists for exactly that purpose.

The facts

  • 27.92M training tokens: Ancient Greek, Latin, Akkadian, Sumerian, consonantal Biblical Hebrew, Classical Chinese, Vedic Sanskrit — plus the Standard Babylonian and Old Babylonian Gilgamesh. 996 works spanning ~21 centuries of composition. Every inclusion governed by a public dating manifest (dates, confidence, rationale — and the exclusions: Strabo, Ovid, Livy's Periochae, Śaṅkara's commentary, Qianlong's poems…).
  • 110.9M parameters, GPT-2-small architecture (12L/768/12H, 1024 ctx, 32k corpus-trained byte-level BPE), fp16, 16 epochs, seed 1453. Exported with exact (0.00e+00) logit parity to HF format.
  • Best val loss 3.664 (ppl 39.0); per-language below. Training cost ~$2 of rented H100. The corpus, not compute, is the binding constraint — there is no more pre-CE text.

Showcase: the ibru experiment

This model is the "after" of a controlled intervention. Its predecessor was identical except for one text: the Epic of Gilgamesh (13k words — 0.05% of the corpus, but ~40% of the model's lifetime exposure to Akkadian ibru, "friend"). Same seed, frozen tokenizer, byte-identical validation set; Latin/Greek control probes held steady. Result: the Akkadian negation cadence re-aimed from contract law ("he shall not sue, he shall not hand over") to mortality ("his strength does not return"; the ghost; the weary; the ancient), and the bare cry ib-rī began answering with first-person memory ("in the palace, he seated me"). One epic bent the word "friend" from the courtroom toward the grave. That is what this model is for: measuring what surviving texts do to meanings.

What it is — and is not

A rhapsode, not an oracle: strong period style and grammar (Ciceronian prose, Homeric formulae, psalm-register Hebrew, Brāhmaṇa ritual prose, cuneiform conventions — including, charmingly, the lacuna brackets of damaged tablets), near-zero factual reliability, no reasoning. It continues text; it does not chat. Biases stated plainly: the corpus is elite, literate, male, and survivorship-filtered — this simulates surviving literature, not ancient populations. Hebrew is unpointed consonantal text. Sanskrit binds weakly (its mass is formulaic ritual prose; expect the altar to swallow your prompt).

Evaluation

langval tokensNLL/tokenper-token ppl
Akkadian110,6812.49912.2
Sanskrit38,3413.60236.7
Ancient Greek89,1243.76543.2
Latin36,9514.729113.2
Classical Chinese45,9056.056426.7
ALL321,0023.74842.4

⚠ Per-token perplexity is incomparable across tokenization densities (Akkadian ≈ 4.4 predictable syllable-tokens/word; Chinese ≈ 1 morpheme-token/char); per-word NLL inverts the ranking (Greek is the model's strongest language). Val split contains no Hebrew/Sumerian works (hash-split coverage gap, noted for v2).

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("notyost/claudius-purus-110m-g")
model = AutoModelForCausalLM.from_pretrained("notyost/claudius-purus-110m-g")
ids = tok("ib-ri", return_tensors="pt").input_ids
out = model.generate(ids, max_new_tokens=50, do_sample=True,
                     temperature=0.8, top_k=40)
print(tok.decode(out[0], skip_special_tokens=True))

Provenance & thanks

See ATTRIBUTION.md — Perseus, Open Greek & Latin, ORACC, Tanach.us, Kanripo, GRETIL, and the electronic Babylonian Library. Decades of scholarly digitization, honored license and all, made this possible for the price of a sandwich. Ib-ri na-piš-ti — my friend, my life — the model said it before it ever read the tablet where it belongs.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
79a1c9d

0 моделей