/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,5 млрд
Лицензия
MIT
Архитектура
gpt_neo · dense
Опубликована
14 мар 2022

GPT-Neo-1.3B-Adventure

Генерация текстаТекст → текст3 профессии

Англоязычная дообученная модель GPT-Neo для генерации интерактивных приключений и продолжения историй по текстовой подсказке.

60скачиваний за 30 дней8лайковвеса обновлены20 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.

  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.

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

GPT-Neo 1.3B-Adventure — англоязычная авторегрессионная модель генерации текста, созданная KoboldAI дообучением GPT-Neo 1.3B от EleutherAI. Она предназначена для продолжения текстовых подсказок и создания интерактивных приключений в жанре «выбери своё приключение» (CYOA); для генерации можно использовать библиотеку Transformers. Модель содержит 1,5 млрд параметров, построена на архитектуре GPT-Neo и принимает текст, предсказывая следующий текстовый фрагмент. Контекстное окно — 2048 токенов.

Для дообучения использована копия набора данных cys от VE, ориентированного на CYOA. Модель распространяется по лицензии MIT. Как и другие авторегрессионные языковые модели, она может выдавать непредсказуемые или оскорбительные ответы; для публичного использования рекомендуется проверять и фильтровать результаты.

Сценарии применения

  • создание интерактивных приключений в стиле «выбери своё приключение»
  • продолжение фэнтезийного рассказа по начальной сцене
  • генерация сюжетных вариантов для текстовой игры

Ограничения

Модель может непредсказуемо генерировать оскорбительный или нежелательный контент; результаты следует проверять и фильтровать. Контекст ограничен 2048 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GPT-Neo 1.3B - Adventure

Model Description

GPT-Neo 1.3B-Adventure is a finetune created using EleutherAI's GPT-Neo 1.3B model.

Training data

The training data is a direct copy of the "cys" dataset by VE, a CYOA-based dataset.

How to use

You can use this model directly with a pipeline for text generation. This example generates a different sequence each time it's run:

>>> from transformers import pipeline
>>> generator = pipeline('text-generation', model='KoboldAI/GPT-Neo-1.3B-Adventure')
>>> generator("> You wake up.", do_sample=True, min_length=50)
[{'generated_text': '> You wake up"\nYou get out of bed, don your armor and get out of the door in search for new adventures.'}]

Limitations and Biases

GPT-Neo was trained as an autoregressive language model. This means that its core functionality is taking a string of text and predicting the next token. While language models are widely used for tasks other than this, there are a lot of unknowns with this work. GPT-Neo was trained on the Pile, a dataset known to contain profanity, lewd, and otherwise abrasive language. Depending on your usecase GPT-Neo may produce socially unacceptable text. See Sections 5 and 6 of the Pile paper for a more detailed analysis of the biases in the Pile. As with all language models, it is hard to predict in advance how GPT-Neo will respond to particular prompts and offensive content may occur without warning. We recommend having a human curate or filter the outputs before releasing them, both to censor undesirable content and to improve the quality of the results.

BibTeX entry and citation info

The model is made using the following software:

@software{gpt-neo,
  author       = {Black, Sid and
                  Leo, Gao and
                  Wang, Phil and
                  Leahy, Connor and
                  Biderman, Stella},
  title        = {{GPT-Neo: Large Scale Autoregressive Language 
                   Modeling with Mesh-Tensorflow}},
  month        = mar,
  year         = 2021,
  note         = {{If you use this software, please cite it using 
                   these metadata.}},
  publisher    = {Zenodo},
  version      = {1.0},
  doi          = {10.5281/zenodo.5297715},
  url          = {https://doi.org/10.5281/zenodo.5297715}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTNeoForCausalLM
Ревизия весов
93a083d

0 моделей