/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
3,7 млн
Архитектура
gpt_neo · dense
Опубликована
12 мая 2023

TinyStories-1M

Генерация текстаТекст → текст3 профессии

Компактная модель GPT-Neo для генерации коротких историй на основе набора TinyStories.

209 тыс.скачиваний за 30 дней73лайкавеса обновлены18 дек 2025

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

roneneldan/TinyStories-1M — компактная авторегрессионная языковая модель семейства GPT-Neo, обученная на наборе TinyStories. Модель разработана Роненом Элданом и предназначена для генерации коротких историй по текстовому запросу или началу рассказа.

Модель содержит 3,7 млн параметров, принимает текст и генерирует текст; заявленная длина контекста — 2048 токенов. Репозиторий содержит веса PyTorch. Обучение на TinyStories ориентирует её на простые короткие рассказы, поэтому она может быть полезна для демонстраций и экспериментов с генерацией текста на небольших моделях.

Карточка не сообщает лицензию и не описывает ограничения качества; практическое применение за пределами коротких историй набором данных не подтверждено.

Сценарии применения

  • генерация короткого детского рассказа по началу текста
  • продолжение простой истории
  • создание примеров для демонстрации генерации текста
  • эксперименты с компактной языковой моделью

Ограничения

Обучение на TinyStories ограничивает профиль модели простыми короткими историями; пригодность для других задач не подтверждена. Лицензия в предоставленных данных не указана.

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 trained on the TinyStories Dataset, see https://arxiv.org/abs/2305.07759

------ EXAMPLE USAGE ---

from transformers import AutoModelForCausalLM, AutoTokenizer, GenerationConfig
model = AutoModelForCausalLM.from_pretrained('roneneldan/TinyStories-1M')
tokenizer = AutoTokenizer.from_pretrained("EleutherAI/gpt-neo-125M")

prompt = "Once upon a time there was"

input_ids = tokenizer.encode(prompt, return_tensors="pt")
# Generate completion
output = model.generate(input_ids, max_length = 1000, num_beams=1)
# Decode the completion
output_text = tokenizer.decode(output[0], skip_special_tokens=True)
# Print the generated text
print(output_text)

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTNeoForCausalLM
Ревизия весов
77f1b16

0 моделей