/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,2 млрд
Архитектура
gpt_neox · dense
Библиотека
transformers
Опубликована
19 сен 2026

ppt-pythia-1b-permuted-seed3408-stage2

Генерация текстаТекст → текст3 профессии

Дообученная модель GPT-NeoX на 1,2 млрд параметров для генерации текста по пользовательским запросам.

1 958скачиваний за 30 дней0лайковвеса обновлены19 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

qing-yao/ppt-pythia-1b-permuted-seed3408-stage2 — дообученная модель генерации текста на базе архитектуры GPT-NeoX, разработанная автором репозитория qing-yao. В карточке указано обучение с помощью TRL; размер модели — 1,2 млрд параметров, формат весов — safetensors, длина контекста — 2048 токенов.

Модель предназначена для генерации текста по запросу и поддерживает сценарий диалога с сообщением пользователя. Пример в карточке показывает генерацию ответа на открытый вопрос; параметры качества, обучающие данные и конкретная специализация не описаны. Для использования подходят Transformers и pipeline text-generation.

Условия лицензирования в доступных данных не приведены. Карточка сообщает о дообучении версии «None», поэтому базовую модель достоверно установить нельзя.

Сценарии применения

  • генерация ответов на открытые вопросы
  • создание продолжения текста по запросу
  • эксперименты с генерацией текста через Transformers

Ограничения

Языки, качество и область специализации не описаны; окно контекста составляет 2048 токенов. Лицензия в доступных данных не приведена.

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

Model Card for ppt-pythia-1b-permuted-seed3408-stage2

This model is a fine-tuned version of None. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="qing-yao/ppt-pythia-1b-permuted-seed3408-stage2", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with SFT.

Framework versions

  • TRL: 0.23.0
  • Transformers: 4.56.2
  • Pytorch: 2.8.0+cu128
  • Datasets: 4.2.0
  • Tokenizers: 0.22.1

Citations

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallou{\'e}dec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

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
aae981f

0 моделей