/ Модель
Каталог

Характеристики

Контекст
256 токенов
Параметры
138 млн
Архитектура
opt · dense
Базовая модель
babylm-default_seed-42_1e-3
Библиотека
transformers
Опубликована
10 сен 2026

Ссылки

Hugging Face

babylm-opt-sva-trial-11450463

qing-yao
Генерация текстаТекст → текст3 профессии

Небольшая дообученная модель OPT для генерации текста с контекстом до 256 токенов.

118скачиваний за 30 дней0лайковвеса обновлены10 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.

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

qing-yao/babylm-opt-sva-trial-11450463 — дообученная модель семейства OPT, разработанная qing-yao на базе models/babylm-default_seed-42_1e-3. Это плотная авторегрессионная языковая модель с архитектурой OPTForCausalLM и 138,4 млн параметров; она принимает текст и генерирует текст, поддерживая контекст до 256 токенов. Модель обучалась на наборе qing-yao/slightly-cleaner-babylm и предназначена для генерации текста.

В карточке приведён результат оценки на тестовом наборе: loss 10,1675. Подробности о целевых сценариях и ограничениях не раскрыты; короткий контекст ограничивает работу с длинными входами. Файлы модели представлены в формате safetensors. Условия лицензии в предоставленных данных не приведены.

Сценарии применения

  • эксперименты с генерацией короткого текста
  • исследование обучения моделей на корпусах BabyLM
  • сравнение вариантов дообучения модели OPT

Ограничения

Короткое контекстное окно — 256 токенов; на тестовом наборе указан loss 10,1675, поэтому качество следует проверять для конкретного сценария. Лицензия и подробные рекомендации по применению в предоставленных данных отсутствуют.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.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

babylm-opt-sva-trial-11450463

This model is a fine-tuned version of models/babylm-default_seed-42_1e-3 on the qing-yao/slightly-cleaner-babylm dataset. It achieves the following results on the evaluation set:

  • Loss: 10.1675

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.001
  • train_batch_size: 32
  • eval_batch_size: 64
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 256
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 32000
  • training_steps: 24
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
10.45750.62341210.4832
10.17541.20782410.1675

Framework versions

  • Transformers 4.49.0
  • Pytorch 2.5.1+cu121
  • Datasets 4.8.5
  • Tokenizers 0.21.4

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
OPTForCausalLM
Ревизия весов
7a3e2f9

0 моделей

    Создать бенчмарк