| Model Name | Parameters | Class | Ratio | Tokens | Batch Size (Tokens) | Training Loss |
|---|---|---|---|---|---|---|
| GerbilLab/Gerbil-C-3.3m | 3.3m | C-Class | 76 | 228M | 65.5k | 5.7934 |
Характеристики
- Контекст
- 2 048 токенов
- Лицензия
- Apache 2.0
- Архитектура
- gptj · dense
- Опубликована
- 30 мар 2023
Ссылки
Gerbil-C-3.3m
Компактная GPT-J-модель GerbilLab с 3,3 млн параметров для генерации текста и экспериментов.
127скачиваний за 30 дней0лайковвеса обновлены30 мар 2023
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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Gerbil-C-3.3m — компактная языковая модель для генерации текста, опубликованная GerbilLab. В README указаны 3,3 млн параметров, класс C-Class и обучение на 228 млн токенов; метаданные относят архитектуру к GPT-J и указывают контекст 2048 токенов.
Модель предназначена для генерации продолжений текста и экспериментов с небольшими авторегрессионными моделями. В карточке приведена обучающая потеря 5,7934. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Языки и специализированные области применения в предоставленных сведениях не обозначены.
Сценарии применения
- генерация продолжений текста
- эксперименты с компактными языковыми моделями
- изучение обучения авторегрессионных моделей
Ограничения
Модель очень мала по числу параметров, а указанная обучающая потеря составляет 5,7934; качество для практических задач может быть ограниченным. Контекст ограничен 2048 токенами.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.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 015моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- GPTJForCausalLM
- Ревизия весов
- 7f114b9