GPT-2-style-tinystories-linear-page-2026-10-22
Petit modèle de langage de style GPT-2, au niveau caractère, entraîné sur tinystories avec l'attention linear + page.
C'est le meilleur point de cette variante dans un benchmark de 8 variantes × 9 configurations × 5 graines.
Modèle retenu
| variante | linear + page |
| configuration | 3 couche(s), 4 tête(s), d_model = 256, d_ff = 512, block_size = 128 |
| paramètres | 3,597,068 |
| graine | 3 |
| meilleure loss de validation | 0.9251 (au pas 3000) |
| loss de validation finale | 0.9251 |
Cette variante sur toutes les configurations (tinystories, 5 graines)
| configuration | loss de validation finale |
|---|---|
| 1L×1H | 1.0733 ± 0.0061 |
| 1L×2H | 1.0623 ± 0.0060 |
| 1L×4H | 1.0517 ± 0.0038 |
| 2L×1H | 0.9627 ± 0.0076 |
| 2L×2H | 0.9540 ± 0.0082 |
| 2L×4H | 0.9582 ± 0.0099 |
| 3L×1H | 0.9379 ± 0.0039 |
| 3L×2H | 0.9369 ± 0.0069 |
| 3L×4H | 0.9319 ± 0.0050 |
Entraînement
Adam (lr 0.001, betas [0.9, 0.999], eps 1e-08), clipping 1.0, 3000 pas, batch 32 × 128, évaluation tous les 150 pas sur 50 batchs. Algorithmes déterministes, float32, graines fixées.
Données : tinystories, 20,000,000 caractères d'entraînement, 2,000,000 de validation, vocabulaire 98.
SHA-256 : entraînement 89d276b067fca1c2d708636fbc091835d6d49b89bfc5cd32059258af7b511c68, validation f0f6da0dd233e63f8f05b4212963a7d722fb681df21b2340bd891d4838266924.
Reproductibilité
| début / fin (UTC) | 2026-10-22T06:04:05+00:00 / 2026-10-22T06:07:26+00:00 |
| durée | 202 s (54.6 ms par pas d'entraînement) |
| GPU | NVIDIA L4 (pilote 580.82.07) |
| CUDA / cuDNN | 13.0 / 92700 |
| PyTorch / Python | 2.11.0+cu130 / 3.13.15 |
| algorithmes déterministes | True |
Utilisation
from huggingface_hub import snapshot_download
import sys, torch
folder = snapshot_download("analist/GPT-2-style-tinystories-linear-page-2026-10-22")
sys.path.insert(0, folder)
from modeling import load
model, tokenizer = load(folder)
idx = torch.tensor([tokenizer.encode("Once upon a time")])
print(tokenizer.decode(model.generate(idx, max_new_tokens=200, temperature=0.8)[0].tolist()))