/ Модель

Характеристики

Контекст
512 токенов
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
16 мая 2025

GPT2_AR_10000

Генерация текстаТекст → текст3 профессии

Генеративная модель GPT-2, обученная с нуля, для продолжения и генерации текста в контексте до 512 токенов.

326скачиваний за 30 дней0лайковвеса обновлены16 мая 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

GPT2_AR_10000 — генеративная модель на архитектуре GPT-2, опубликованная пользователем xiulinyang и обученная с нуля. Она предназначена для продолжения текста и генерации последовательностей по заданному текстовому запросу. Модель использует библиотеку Transformers и распространяется в формате Safetensors; длина контекста составляет 512 токенов.

На указанном в карточке наборе оценки модель получила loss 4,6926 и accuracy 0,2521. Данные обучения и предполагаемые сценарии применения не раскрыты, поэтому качество генерации и пригодность для конкретных задач оценить нельзя. Условия лицензии в доступных сведениях не указаны.

Сценарии применения

  • эксперименты с генерацией текста на базе GPT-2
  • продолжение короткого текстового фрагмента
  • оценка генеративной модели на собственных данных

Ограничения

Данные обучения неизвестны, а описание сценариев применения отсутствует; приведённые метрики сами по себе не позволяют оценить качество для конкретных задач. Лицензия в доступных сведениях 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

AR_10000_41

This model was trained from scratch on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 4.6926
  • Accuracy: 0.2521

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0006
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 41
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 10.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracy
No log1.09225.94220.1478
1.51752.018445.66160.1549
1.33773.027665.39690.1757
1.26914.036885.18110.1950
1.20375.046105.04090.2101
1.15546.055324.92270.2225
1.11827.064544.84690.2327
1.08768.073764.76680.2422
1.06069.082984.71650.2483
1.040910.092204.69260.2521

Framework versions

  • Transformers 4.51.3
  • Pytorch 2.5.1+cu121
  • Datasets 3.6.0
  • Tokenizers 0.21.1

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
5973b95

0 моделей