---
library_name: transformers
base_model: ai-forever/rugpt3small_based_on_gpt2
tags:
- generated_from_trainer
model-index:
- name: DmitryYarov/Aristo2025
  results: []
datasets:
- DmitryYarov/aristotle_csv__ext
license: mit
language:
- ru
metrics:
- bertscore
- perplexity
---

<!-- This model card has been generated automatically according to the information the Trainer had access to. You
should probably proofread and complete it, then remove this comment. -->

# aristotle_csv2

This model is a fine-tuned version of [ai-forever/rugpt3small_based_on_gpt2](https://huggingface.co/ai-forever/rugpt3small_based_on_gpt2) on an DmitryYarov/aristotel_hignlitened_extended_csv  dataset.
It achieves the following results on the evaluation set:
- Loss: 3.3083

## Model description

Модель дообученная на текстах аристотеля в рамках проекта Лаборатория Цифровой Философии 

## Intended uses & limitations

Для проведения мысленных экспериментов в рамках курса философии Античности

## Training and evaluation data

Аристотель (1976). Собрание сочинений в 4-х томах. Т. 1. Москва: Мысль. Аристотель (1978). Метафизика, о душе. Собрание сочинений в 4-х томах. Т. 2. Москва: Мысль. Аристотель (1981). Категории, о истолковании, первая аналитика, вторая аналитика, книга первая, книга вторая, топика, о софистических опровержениях. Собрание сочинений в 4-х томах. Т. 3. Москва: Мысль. Аристотель (1983). Физика, о небе, о возникновении и уничтожении, метеорологика. Собрание сочинений в 4-х томах. Т. 4. - Аристотель. Никомахова этика, Политика. 

Кроме того, было принято решение не исключать из выборки текстов аналитического характера, опубликованных в полном собрании сочинений, но не принадлежащих непосредственно Аристотелю. Включены следующие работы: В. Асмус, «Метафизика Аристотеля».Микеладзе, «Основоположения логики Аристотеля».И. Д. Рожанский, «Естественнонаучные сочинения Аристотеля».
1.	Т. Φ.X. Кессиди, «Этические сочинения Аристотеля». А. И. Доватур, «Политика Аристотеля». Целью такого подхода было избежать переобучения модели, а также обеспечить контекстуальную релевантность русского языка. Для подготовки данных был проведён процесс их очистки и нормализации, после чего они были собраны в датасет в формате CSV (Далее по тексту «Датасет» ). Каждое предложение из текстов было представлено как отдельная сущность в датасете, общее количество которых составило 7187.


## Training procedure

### Training hyperparameters

The following hyperparameters were used during training:
- learning_rate: 5e-05
- train_batch_size: 8
- eval_batch_size: 8
- seed: 42
- gradient_accumulation_steps: 4
- total_train_batch_size: 32
- optimizer: Use OptimizerNames.ADAFACTOR and the args are:
No additional optimizer arguments
- lr_scheduler_type: linear
- lr_scheduler_warmup_steps: 500
- num_epochs: 30
- mixed_precision_training: Native AMP

### Training results

| Training Loss | Epoch | Step | Validation Loss |
|:-------------:|:-----:|:----:|:---------------:|
| 5.1893        | 1.0   | 129  | 3.9908          |
| 3.6923        | 2.0   | 258  | 3.4627          |
| 3.4284        | 3.0   | 387  | 3.3217          |
| 3.146         | 4.0   | 516  | 3.2514          |
| 2.86          | 5.0   | 645  | 3.2055          |
| 2.6066        | 6.0   | 774  | 3.2279          |
| 2.3943        | 7.0   | 903  | 3.2737          |
| 2.1619        | 8.0   | 1032 | 3.3083          |


### Framework versions

- Transformers 4.48.3
- Pytorch 2.5.1+cu124
- Datasets 3.3.0
- Tokenizers 0.21.0