/ Модель

Характеристики

Контекст
512 токенов
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
2 июн 2025

GPT2_EN_5000

Генерация текстаТекст → текст3 профессии

Модель GPT-2, обученная с нуля для генерации текста с контекстом до 512 токенов.

273скачиваний за 30 дней0лайковвеса обновлены2 июн 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_EN_5000 — языковая модель семейства GPT-2, разработанная автором репозитория и обученная с нуля на неизвестном наборе данных. Она предназначена для генерации текста на основе заданного контекста и работает через библиотеку Transformers. Архитектура — GPT2LMHeadModel; веса опубликованы в формате safetensors, длина контекста — 512 токенов.

В карточке приведены результаты оценки: loss 3,7565 и accuracy 0,3152; подробности набора данных и методики оценки отсутствуют. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация продолжения текста по короткой подсказке
  • создание экспериментальных текстовых примеров
  • изучение работы архитектуры GPT-2

Ограничения

Обучающий набор данных неизвестен, а подробности оценки не приведены; качество и область применимости модели по имеющимся результатам оценить трудно.

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

EN_5000_41

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

  • Loss: 3.7565
  • Accuracy: 0.3152

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
1.22521.010034.83300.1873
1.1042.020064.69160.1979
1.08653.030094.60220.2084
1.04464.040124.33310.2439
0.98065.050154.11560.2660
0.93756.060183.98630.2842
0.90747.070213.90070.2942
0.88398.080243.83080.3047
0.8679.090273.78160.3116
0.854110.0100303.75650.3152

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
43fb2e8

0 моделей