/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
3,1 млрд
Лицензия
MIT
Архитектура
gpt_neo · dense
Опубликована
2 мар 2022

GPT-Neo-2.7B-Picard

Генерация текстаТекст → текст3 профессии

Дообученная на научной фантастике и фэнтези модель GPT-Neo генерирует художественный текст по заданной подсказке.

203скачиваний за 30 дней7лайковвеса обновлены22 авг 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 2.7B-Picard — дообученная модель KoboldAI на основе GPT-Neo 2.7B от EleutherAI. Она генерирует продолжение текста по заданному началу и подходит для создания художественной прозы, особенно в жанрах научной фантастики и фэнтези. Для дообучения использовали около 1800 электронных книг, преимущественно в этих жанрах.

Модель имеет плотную архитектуру GPT-Neo с причинно-языковой авторегрессионной генерацией, содержит около 3,1 млрд параметров и принимает контекст длиной до 2048 токенов. Репозиторий включает веса PyTorch и Safetensors; в карточке указан английский язык. Лицензия — MIT.

Качество и содержание генераций зависят от подсказки: возможны предвзятые, грубые или оскорбительные ответы, поскольку базовая GPT-Neo обучалась на корпусе The Pile. Модель может выдавать нежелательный текст, поэтому результаты следует проверять перед публикацией.

Сценарии применения

  • написание продолжения научно-фантастического рассказа
  • генерация фэнтезийной прозы по началу текста
  • создание художественных описаний персонажей и миров
  • мозговой штурм сюжетов и сцен

Ограничения

Генерации могут содержать предвзятый, грубый или оскорбительный текст; качество зависит от подсказки, поэтому результаты следует проверять перед публикацией.

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 2.7B - Picard

Model Description

GPT-Neo 2.7B-Picard is a finetune created using EleutherAI's GPT-Neo 2.7B model.

Training data

The training data contains around 1800 ebooks, mostly in the sci-fi and fantasy genres.

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='mrseeker87/GPT-Neo-2.7B-Picard')
>>> generator("Jean-Luc Picard", do_sample=True, min_length=50)
[{'generated_text': 'Jean-Luc Picard, the captain of a Federation starship in command of one of Starfleet's few fulltime scientists.'}]

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
f85d17d

0 моделей