/ Модель

Характеристики

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

babylm-deu-bpe16k-gpt2-10m

Генерация текстаТекст → текст

Небольшая модель GPT-2, обученная с нуля на немецком корпусе BabyLM для генерации и продолжения немецкого текста.

149скачиваний 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

Небольшая авторегрессионная языковая модель GPT-2, обученная с нуля автором репозитория по рецепту BabyLM-community/deu-baseline-small. Она предназначена для продолжения и генерации немецкого текста. Модель имеет архитектуру GPT2LMHeadModel: 4 слоя, 8 голов внимания и размер скрытого представления 512; используется байтовый BPE-токенизатор с словарём 16 384 токена, а контекст составляет 512 токенов.

Модель обучена на реконструкции немецкого корпуса BabyLM объёмом 10 млн слов в течение пяти эпох. В README приведена итоговая eval_loss 4,357 на отложенной выборке в 1%; её нельзя напрямую сопоставлять с показателями исходной модели BabyLM из-за отличий словаря, корпуса и разбиения данных. Репозиторий содержит веса в формате safetensors и рассчитан на использование с Transformers. Лицензия в предоставленных данных не указана.

Сценарии применения

  • продолжение немецких предложений
  • генерация коротких немецких текстов
  • эксперименты с языковыми моделями на немецком корпусе BabyLM

Ограничения

Контекст ограничен 512 токенами; это небольшая модель, обученная на реконструкции немецкого корпуса объёмом 10 млн слов. Значение eval_loss зависит от конкретных словаря, корпуса и разбиения данных и не сопоставимо напрямую с показателями исходной модели BabyLM.

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 — 10M 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 ~510 (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, 10M words (local reconstruction babylm_deu_10m.txt — EN/DE-matched genre shares; NOT the official hub download). 1% held out for eval: final eval_loss 4.357. 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-gpt2-10m")
model = AutoModelForCausalLM.from_pretrained("yuanxin112/babylm-deu-bpe16k-gpt2-10m")
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
2092882

0 моделей