/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
2 окт 2026

gpt2-traning

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная GPT-2, обученная с нуля на C4 для продолжения текста и учебных опытов.

1 124скачиваний за 30 дней0лайковвеса обновлены4 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

yorukot/gpt2-traning — GPT-2-модель, обученная с нуля разработчиком карточки на англоязычном наборе C4. Это стандартная плотная архитектура GPT2LMHeadModel с 12 слоями, 12 головами внимания, шириной скрытого слоя 768 и 124 439 808 уникальными параметрами; веса сохранены в FP32, формат репозитория — safetensors. Модель использует токенизатор GPT-2 и принимает последовательности длиной до 1 024 токенов.

Модель предназначена для продолжения англоязычного текста и учебных экспериментов с языковой моделью. Она обучалась без предобученных весов и без настройки на выполнение инструкций, поэтому не рассчитана на диалоговое следование запросам. В README приведена локальная оценка на C4 validation: perplexity 27,52; это результат конкретного экспериментального разбиения, а не независимая оценка качества.

Модель может генерировать неточный или предвзятый текст из-за особенностей веб-данных C4. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • продолжение англоязычного текста
  • эксперименты с обучением GPT-2 с нуля
  • оценка perplexity на текстах C4
  • изучение работы причинной языковой модели

Ограничения

Модель не прошла настройку на инструкции и может выдавать неточный или предвзятый текст. Контекст ограничен 1 024 токенами; указанная perplexity получена в локальной оценке и не является результатом официального тестирования.

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

GPT-2 trained on C4 — Lab 4, AD

This is the lab4-yoru-AD-488712 checkpoint, trained from scratch on English C4. It has the lowest local validation loss of our runs so far. The reported score is a local evaluation, not an official online-judge result.

Model

  • Stock Hugging Face GPT2LMHeadModel: 12 layers, 12 attention heads, hidden width 768, context length 1,024, vocabulary 50,257, tied input/output embeddings.
  • 124,439,808 unique parameters, saved in FP32.
  • GPT-2 tokenizer. No pretrained model weights were used.

Training

  • Data: C4 en train, tokenized with the GPT-2 tokenizer without BOS/EOS. Documents were truncated to 1,024 tokens and best-fit packed into 1,024-token rows, with positions restarting at 0 for each document.
  • Attention was restricted to each document during training (varlen flash attention). This is a training-time kernel only; the saved model is plain GPT-2.
  • Exact deduplication. The first 100,000 documents of validation.shuffle(seed=42) (the lab's test set) were excluded.
  • AdamW (fused): learning rate 1.8e-3, betas (0.9, 0.95), eps 1e-8, weight decay 0.1 on matrices only, gradient clipping 1.0, dropout 0, random seed 42.
  • Schedule: 150 warmup steps, full learning rate for the first half of the training time, then linear decay to 0.
  • Batch: 256 rows × 1,024 tokens = 262,144 token slots per step (including padding). 6,010 steps, about 1.58B token slots.
  • The vocabulary was padded to 50,304 during training and sliced back to 50,257 before saving.
  • Two NVIDIA H200 GPUs, BF16 autocast, torch.compile, 29 minutes of training. PyTorch 2.14.0, Transformers 5.17.0.

Evaluation

The evaluation set is the 10,000 C4 en validation documents that follow the lab's 100,000 test documents in validation.shuffle(seed=42). It is scored like the lab's judge:

  • Each document is scored on its own, from position 0, with no BOS.
  • Each document is truncated to 1,024 tokens.
  • The score is total loss divided by the number of scored tokens.
SplitDocumentsLossPerplexity
Local validation10,0003.314927.52

Load the checkpoint

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "yorukot/gpt2-traning"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

This is a base language model for an educational experiment, without instruction tuning. Its web training data can produce inaccurate or biased text.

Training run on W&B.

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
124d79d

0 моделей