/ Модель
Каталог

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
6 янв 2026

Ссылки

Hugging Face

Custom-LLM-100M

sagar118
Генерация текстаТекст → текст3 профессии

GPT-2-подобная модель на 100 млн параметров для экспериментов с генерацией английского текста.

291скачиваний за 30 дней1лайквеса обновлены7 янв 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

sagar118/Custom-LLM-100M — авторская GPT-2-подобная авторегрессионная языковая модель, обученная разработчиком с нуля. Она построена на архитектуре decoder-only Transformer: 12 слоёв, скрытый размер 768, 12 голов внимания и около 100 млн параметров. Модель использует контекст до 512 токенов и сохранена в формате safetensors; обучение выполнялось с помощью Transformers в FP16.

Модель обучалась предсказывать следующий токен на статьях CNN/DailyMail и предназначена для исследовательских и учебных экспериментов с генерацией текста на английском языке. Лицензия Apache-2.0 разрешает её использование на соответствующих условиях лицензии.

Модель не настроена на выполнение инструкций и обучалась ограниченное число шагов. Её ответы могут быть многословными или повторяющимися; результаты следует рассматривать как экспериментальные, а не как надёжные фактические ответы.

Сценарии применения

  • эксперименты с продолжением английского текста
  • учебные проекты по языковым моделям
  • изучение авторегрессионной генерации
  • генерация текста на основе новостных статей

Ограничения

Модель не настроена на выполнение инструкций и обучалась ограниченное число шагов. Генерация может быть многословной или повторяющейся.

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 000моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Architecture

  • Decoder-only Transformer (GPT-style)
  • 12 layers
  • Hidden size: 768
  • Attention heads: 12
  • Context length: 512
  • Parameters: ~100M

Training

  • Dataset: News articles (CNN/DailyMail – articles only)
  • Objective: Causal Language Modeling
  • Hardware: Google Colab GPU
  • Precision: FP16
  • Training steps: 2000
  • Optimizations: Gradient checkpointing, gradient accumulation

Training Loss Curve

Training Loss Curve

The training loss decreased steadily from approximately 9.1 to 5.3 over 2000 training steps, indicating stable convergence during from-scratch training of the 100M-parameter language model.

Intended Use

  • Research
  • Educational purposes
  • Text generation experiments

Limitations

  • Not instruction-tuned
  • Trained for limited steps
  • Outputs may be verbose or repetitive

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
099e95e

0 моделей

    Создать бенчмарк