/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
gpt_neox · dense
Базовая модель
pythia-160m
Библиотека
transformers
Опубликована
24 сен 2026

Ссылки

Hugging Face

ppt-pythia-160m-uniform250-sampled-seed324-stage1

qing-yao
Генерация текстаТекст → текст3 профессии

Дообученная англоязычная GPT-NeoX-модель на 113,3 млн параметров для генерации продолжения текста с контекстом до 2048 токенов.

362скачиваний за 30 дней0лайковвеса обновлены24 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

Модель qing-yao/ppt-pythia-160m-uniform250-sampled-seed324-stage1 — дообученная версия EleutherAI/pythia-160m, созданная на неизвестном наборе данных. Это плотная авторегрессионная языковая модель архитектуры GPT-NeoX с 113,3 млн параметров, предназначенная для генерации продолжения текста. Она принимает текст и выдаёт текст, поддерживает контекст до 2048 токенов и загружается через Transformers; веса представлены в формате safetensors. Лицензия — Apache-2.0.

Карточка не описывает датасет, оценку качества или конкретные сценарии применения, поэтому пригодность дообучения для определённых задач не установлена. Базовая Pythia-160m ориентирована на английский язык; сведений о дополнительных языках для этой версии нет.

Сценарии применения

  • генерация продолжения английского текста
  • создание коротких текстовых заготовок
  • эксперименты с компактными языковыми моделями

Ограничения

Датасет дообучения и результаты оценки не описаны, поэтому качество и пригодность для конкретных задач не подтверждены. Контекст ограничен 2048 токенами.

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 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ppt-pythia-160m-uniform250-sampled-seed324-stage1

This model is a fine-tuned version of EleutherAI/pythia-160m on an unknown dataset.

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: 16
  • eval_batch_size: 16
  • seed: 324
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine_with_min_lr
  • lr_scheduler_warmup_steps: 13
  • training_steps: 250

Training results

Framework versions

  • Transformers 5.4.0
  • Pytorch 2.8.0+cu128
  • Datasets 3.2.0
  • Tokenizers 0.22.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTNeoXForCausalLM
Ревизия весов
662125c

0 моделей

    Создать бенчмарк