Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Базовая модель: t5-small
Опубликована: 17 июн 2024

Ссылки

Hugging Face

Chitti-Base-model-for-GPT-v1

Dhahlan2000

Языковая модель

Компактная дообученная модель T5 для преобразования текстового запроса в текстовый ответ.

8скачиваний за 30 дней0лайковвеса обновлены17 июн 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Chitti-Base-model-for-GPT-v1 — дообученная модель Dhahlan2000 на базе google-t5/t5-small, построенная на архитектуре T5ForConditionalGeneration. Она предназначена для генерации текста по текстовому запросу; README не уточняет целевые сценарии и обучающий набор данных. Модель содержит 38,5 млн параметров и имеет контекстное окно 512 токенов.

Модель распространяется в формате safetensors по лицензии Apache-2.0. В README приведены результаты оценки: loss 3,4735, BLEU 1,3132 и средняя длина генерации 14,1787 токена. Оценочные данные и их связь с предполагаемыми задачами не описаны, поэтому эти показатели не позволяют уверенно судить о качестве для конкретного сценария.

Сценарии применения

генерация текста по текстовому запросу
эксперименты с дообучением T5
прототипирование задач преобразования текста в текст

Ограничения

README не описывает целевые сценарии и обучающий датасет. Приведённый BLEU 1,3132 не сопровождается описанием тестового набора и метрики, поэтому его практическая интерпретация ограничена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Chitti-Base-model-for-GPT-v1

This model is a fine-tuned version of google-t5/t5-small on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 3.4735
Bleu: 1.3132
Gen Len: 14.1787

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: 2e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Bleu	Gen Len
3.7072	1.0	9282	3.5058	1.0959	14.2033
3.6622	2.0	18564	3.4735	1.3132	14.1787

Framework versions

Transformers 4.41.2
Pytorch 2.3.0+cu121
Datasets 2.20.0
Tokenizers 0.19.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры: T5ForConditionalGeneration
Ревизия весов: 19dc466