/ Модель

Характеристики

Лицензия
MIT
Библиотека
pytorch
Опубликована
6 окт 2026

gpt2-small-fineweb-edu

Генерация текстаТекст → текст

Базовая GPT-2 small, обученная с нуля на англоязычных образовательных веб-текстах для продолжения текста.

139скачиваний за 30 дней0лайковвеса обновлены6 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

GPT-2 small — языковая модель с 124 млн параметров, которую Rahul Iyer обучил с нуля на выборке FineWeb-Edu sample-10BT. Модель написана и обучена на PyTorch; опубликованы итоговые веса в формате safetensors и контрольные точки обучения. За один проход модель обработала 9,90 млрд токенов; итоговая валидационная потеря составила 3,026, perplexity — 20,6.

Модель предназначена для продолжения англоязычного текста, в том числе образовательного веб-текста. Это базовая языковая модель: она не настроена следовать инструкциям и может выдавать фактически неверный или предвзятый текст. Для загрузки весов требуется реализация GPT2 из репозитория gpt2-repro, а не Hugging Face Transformers. Лицензия — MIT.

Сценарии применения

  • продолжение англоязычного образовательного текста
  • генерация фрагментов веб-текста на английском языке
  • эксперименты с предобучением небольших языковых моделей

Ограничения

Модель продолжает текст, но не следует инструкциям; обучение проводилось только на англоязычном образовательном веб-тексте. Она может генерировать фактически неверные или предвзятые утверждения, а для загрузки требуется реализация GPT2 из gpt2-repro.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GPT-2 small, pretrained from scratch on FineWeb-Edu

GPT-2 small (124M parameters) trained from random initialisation on the FineWeb-Edu sample-10BT sample, with the model and training loop written directly in PyTorch. Training details and plots: pretraining write-up.

Results

Final validation loss (50M-token validation file)3.026 (perplexity 20.6)
Tokens seen9.90B (one epoch)
Steps18,890 at 524,288 tokens each
Hardware and timeone H100 (80 GB), 8.4 hours

Files

  • gpt2_step_018890.safetensors: the final weights.
  • config.json: the training config.
  • checkpoints/step_*.pt: the last three resume checkpoints, with optimizer and RNG state, for continuing training with pretraining/train.py --resume.

Loading

These weights use the GPT2 class from gpt2-repro, not Hugging Face Transformers. Clone gpt2-repro and install its dependencies with uv, then run the code below from the repository root:

git clone https://github.com/rahuliyer/gpt2-repro
cd gpt2-repro
uv sync
import tiktoken
from huggingface_hub import hf_hub_download

from inference import generate_text
from model import GPT2, GPT2SmallConfig

path = hf_hub_download("rahuliyer/gpt2-small-fineweb-edu", "gpt2_step_018890.safetensors")
model = GPT2.load_from_checkpoint(GPT2SmallConfig(), path)

tokenizer = tiktoken.get_encoding("gpt2")
print(generate_text(model, tokenizer, "The history of the printing press", max_length=100))

Limitations

A base language model: it continues text and does not follow instructions. It was trained on educational web text in English only and can produce factually wrong or biased text.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
317178d

0 моделей