/ Модель

Характеристики

Контекст
512 токенов
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
4 окт 2026

babylm-deu-bpe16k-gpt2-100m

Генерация текстаТекст → текст

Компактная GPT-2, обученная с нуля на немецком корпусе BabyLM для генерации продолжений текста и экспериментов с языковым моделированием.

163скачиваний 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

Это компактная авторегрессионная языковая модель GPT-2, разработанная yuanxin112 и обученная с нуля на немецком корпусе BabyLM. Она предназначена для продолжения немецкого текста и экспериментов с генерацией в условиях ограниченного объёма обучающих данных. Модель воспроизводит рецепт BabyLM-community/deu-baseline-small, но использует byte-level BPE со словарём из 16 384 токенов; архитектура GPT2LMHeadModel включает 4 слоя, 8 голов внимания, размер скрытого слоя 512 и внутренний размер 2048. В README указан корпус объёмом около 108 млн слов и контекст 512 токенов.

Модель ориентирована на немецкий язык и подходит для исследования языкового моделирования и генерации коротких продолжений. В README приведена итоговая eval loss 3,56, но результаты нельзя напрямую сравнивать с исходным чекпойнтом: использованы другая реконструкция корпуса, разбиение для оценки и размер словаря. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация продолжения немецкого текста
  • создание коротких немецких фраз по началу предложения
  • эксперименты с языковыми моделями на корпусах ограниченного объёма
  • сравнение рецептов обучения моделей BabyLM

Ограничения

Контекст ограничен 512 токенами. Метрика eval loss приведена для реконструированного корпуса и отдельного разбиения, поэтому напрямую сопоставлять её с результатом исходной модели нельзя.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GPT-2 (BabyLM deu-baseline-small recipe), German, vocab 16384 — ~108M words

German GPT-2 trained from scratch under the exact recipe of BabyLM-community/deu-baseline-small. The ONLY deviation is the vocabulary: 16384 instead of 8192 (a locally trained byte-level BPE, same construction as that corpus's baseline series). Everything else — architecture and every training hyperparameter — is reproduced field-for-field; see recipe.json in this repo for the machine-readable record.

Architecture (= official card, except vocab)

architectureGPT2LMHeadModel
n_layer / n_head4 / 8
n_embd / n_inner512 / 2048
n_positions = n_ctx512
activationgelu
dropouts (attn/embd/resid)0.1 / 0.1 / 0.1
initializer_range / ln eps0.02 / 1e-5
vocab_size16384 (official: 8192)
params21.3M (official: 17.1M — the difference is the embedding table)

Training (= official card, verbatim)

learning_rate 1e-4, linear decay (no warmup), 5 epochs, train batch 64, eval batch 8, seed 42, AdamW betas (0.9, 0.999) eps 1e-8, weight_decay 0, fp32, block 512, glosses of unspecified card fields follow HF defaults. Steps/epoch 4,093 (official card: 4,944 at vocab 8192 on the 100M-word corpus — the smaller count here reflects the larger vocabulary's lower fertility, not less data).

Data: German BabyLM corpus, ~108M words (local reconstruction babylm_deu.txt — EN/DE-matched genre shares; NOT the official hub download). 1% held out for eval: final eval_loss 3.56. Note the official deu-baseline-small itself was trained on the 100M-word corpus (its "small" names the model, not the data), so the -100m repo of this pair is the direct-scale counterpart; its 3.56 vs the official 3.0813 is not an apples-to-apples number (different vocab size changes per-token entropy — smaller vocab → lower per-token loss; different corpus reconstruction and eval split).

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

tok = AutoTokenizer.from_pretrained("yuanxin112/babylm-deu-bpe16k-gpt2-100m")
model = AutoModelForCausalLM.from_pretrained("yuanxin112/babylm-deu-bpe16k-gpt2-100m")
ids = tok("Die Frauen hätten mit ihrem Bruder", return_tensors="pt")
print(tok.decode(model.generate(**ids, max_new_tokens=20, do_sample=False,
                                pad_token_id=tok.pad_token_id)[0],
                 skip_special_tokens=True))

Tokenizer: byte-level BPE, specials [PAD]=0 [UNK]=1 [BOS]=2 [EOS]=3 (unlike the official baseline's config, whose bos/eos fields carry the stale GPT-2 default 50256 that is not even in its 8192 vocab).

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
0da2bf5

0 моделей