/ Модель
Каталог

Характеристики

Контекст
256 токенов
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
28 июл 2026

Ссылки

Hugging Face

gpt2-chinese-mono2bi-en2b-embedft-seed123

zhzh98
Генерация текстаТекст → текст3 профессии

Небольшая GPT-2 модель, обученная с нуля для генерации текста с контекстом до 256 токенов.

40скачиваний за 30 дней0лайковвеса обновлены29 июл 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.

Открыть конструктор бенчмарка

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

zhzh98/gpt2-chinese-mono2bi-en2b-embedft-seed123 — языковая модель GPT-2, обученная с нуля и опубликованная пользователем zhzh98. Репозиторий содержит веса в формате safetensors; модель использует архитектуру GPT2LMHeadModel и библиотеку Transformers.

Модель предназначена для генерации текста. В названии упоминается обучение эмбеддингов и преобразование китайского текста из mono в bi, но карточка не описывает эти задачи и не подтверждает соответствующие возможности. Контекст модели составляет 256 токенов.

Карточка не приводит сведений о качестве, обучающих данных, поддерживаемых языках или практических ограничениях. Лицензия в доступных данных не указана.

Сценарии применения

  • эксперименты с генерацией текста на коротком контексте
  • тестирование GPT-2 в Transformers
  • изучение поведения модели, обученной с нуля

Ограничения

README не содержит описания обучающих данных, качества и рекомендуемых сценариев; контекст ограничен 256 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gpt2-chinese-mono2bi-en2b-embedft-seed123

This model was trained from scratch on the None dataset.

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: 0.0005
  • train_batch_size: 64
  • eval_batch_size: 8
  • seed: 123
  • optimizer: Use OptimizerNames.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: 30
  • training_steps: 122070

Training results

Framework versions

  • Transformers 4.48.3
  • Pytorch 2.5.1+cu124
  • Datasets 3.1.0
  • Tokenizers 0.21.4

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
e96bd6c

0 моделей

    Создать бенчмарк