/ Модель

Характеристики

Контекст
512 токенов
Параметры
97,2 млн
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
2 окт 2026

nk_babylm_zho_qwen2_atomic_bpe_within_100m

Генерация текстаТекст → текст3 профессии

Производная модели timorobrecht/nk_babylm_zho_gpt2_atomic_bpe_within. Компактная причинная языковая модель, генерирующая продолжения текста в пользовательском формате pinyin-code.

383скачиваний за 30 дней0лайковвеса обновлены2 окт 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

Карточка модели timorobrecht/nk_babylm_zho_qwen2_atomic_bpe_within_100m на Hugging Face совпадает с карточкой timorobrecht/nk_babylm_zho_gpt2_atomic_bpe_within, поэтому описание составлено по ней.

Pinyin-Code Causal LM — причинная языковая модель на базе Transformers с архитектурой PinyinCodeForCausalLM. Репозиторий содержит экспорт модели с 41,7 млн параметров и контекстом до 512 токенов; токенизатор использует собственный формат atomic_bpe_within, а входной текст представлен в виде pinyin-code. Для преобразования обычного китайского текста в пиньинь предусмотрен pypinyin, а сегментация с jieba включена в конфигурации экспорта.

Модель предназначена для авторегрессионной генерации продолжения текста на пиньинь-коде. Она также позволяет извлекать скрытые представления через output_hidden_states, что может быть полезно в экспериментальных задачах представления текста. Для загрузки требуется Transformers с trust_remote_code=True и причинный бэкенд; лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация продолжения последовательностей на пиньинь-коде
  • эксперименты с авторегрессионным языковым моделированием китайского текста
  • извлечение скрытых представлений для исследовательских задач

Ограничения

Вход модели должен быть предварительно представлен в формате pinyin-code; обычный китайский текст требует преобразования. Для загрузки используется trust_remote_code=True, а контекст ограничен 512 токенами.

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

Pinyin-Code Causal LM

This repository contains a custom Transformers causal language model. External evaluation repositories should load it with trust_remote_code=True and use the causal backend.

Dependencies

Install the runtime dependencies before loading the model:

pip install torch transformers safetensors pypinyin jieba

This export uses a repository-native tokenizer and does not require SentencePiece. pypinyin is required for raw Mandarin-to-pinyin preprocessing. jieba is required when use_jieba is true; this export was created with use_jieba=true.

Loading

from transformers import (
    AutoConfig,
    AutoModel,
    AutoModelForCausalLM,
    AutoModelForSequenceClassification,
    AutoTokenizer,
)

model_path = "PATH_OR_REPO_ID"

config = AutoConfig.from_pretrained(model_path, trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)
base_model = AutoModel.from_pretrained(model_path, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_path, trust_remote_code=True)
classifier = AutoModelForSequenceClassification.from_pretrained(
    model_path,
    trust_remote_code=True,
    num_labels=3,
)

Evaluation

Configure external evaluators with:

  • model path: this local folder or Hugging Face repo ID
  • backend: causal
  • trust remote code: enabled

The tokenizer accepts preprocessed pinyin-code text through standard calls such as tokenizer(text), tokenizer(text, add_special_tokens=False), and tokenizer(texts, padding=True, truncation=True, return_tensors="pt"). The model supports output_hidden_states=True for representation extraction tasks.

This export sets patch_pathlib_utf8_open=true in config.json. When loaded with trust_remote_code=True, the config installs a narrow Windows compatibility shim so later text-mode Path.open("r") calls without an explicit encoding default to UTF-8. Set PINYIN_CODE_DISABLE_UTF8_OPEN_PATCH=1 before loading the model to disable that shim.

Export metadata:

  • tokenizer_kind: atomic_bpe_within
  • transliteration: pinyin-code
  • use_jieba: true

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
fc4dd78

0 моделей