/ Модель

Характеристики

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

GPT2_DE_20000

Генерация текстаТекст → текст3 профессии

Компактная модель GPT-2 для генерации текста с контекстом до 512 токенов, обученная с нуля на неизвестных данных.

273скачиваний за 30 дней0лайковвеса обновлены17 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

xiulinyang/GPT2_DE_20000 — языковая модель семейства GPT-2, представленная в виде GPT2LMHeadModel и предназначенная для генерации текста. Согласно карточке, модель обучена с нуля на неизвестном наборе данных; README сообщает результат оценки: loss 4,2294 и accuracy 0,2857.

Модель работает с текстом и имеет контекстное окно 512 токенов. Она опубликована в формате Safetensors и предназначена для использования через библиотеку Transformers. Язык обучающих данных и конкретные сценарии применения в карточке не раскрыты, поэтому область применения и качество генерации нельзя надёжно уточнить. Лицензия в предоставленных данных не указана.

Сценарии применения

  • эксперименты с генерацией текста на базе GPT-2
  • оценка языковой модели на коротких текстовых фрагментах
  • изучение обучения GPT-2 с нуля

Ограничения

Язык и состав обучающих данных неизвестны; опубликованные метрики ограничены одним набором оценки и не позволяют определить качество для конкретных задач. 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

DE_20000_41

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

  • Loss: 4.2294
  • Accuracy: 0.2857

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 log1.09135.55610.1731
1.38992.018265.07800.2045
1.20943.027394.85420.2239
1.12284.036524.70630.2345
1.07855.045654.57560.2468
1.04046.054784.46780.2570
1.00757.063914.37990.2667
0.97958.073044.30700.2754
0.95489.082174.25600.2826
0.937910.091304.22940.2857

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
9a9c09f

0 моделей