/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
26,9 млрд
Размер весов
41,3 ГБ
Лицензия
Apache 2.0
Архитектура
gpt_neox · dense
Опубликована
18 авг 2022

GPT-NeoX-20B-Skein

Генерация текстаТекст → текст3 профессии

Модель KoboldAI на базе GPT-NeoX для генерации интерактивных приключений и обычной художественной прозы.

162скачиваний за 30 дней11лайковвеса обновлены26 сен 2022

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-NeoX-20B-Skein — модель генерации историй из серии Skein, разработанная KoboldAI. Она предназначена для интерактивной прозы и текстовых приключений, а также для обычного написания романов; модель склонна вести повествование от второго лица.

Модель построена на архитектуре GPT-NeoX, имеет 26,9 млрд параметров и принимает текст с контекстом до 2048 токенов. Обучающие данные в основном включают ранобэ из набора KoboldAI/GPT-Neo-2.7B-Horni-LN и интерактивную художественную литературу; в данных использовались тематические теги. Указанный язык — английский.

Модель может отражать гендерные, профессиональные, расовые и религиозные предубеждения, характерные для NLP-моделей. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • продолжение интерактивной истории по текстовому вводу
  • генерация сцен текстового приключения
  • написание черновика романа
  • создание художественного повествования от второго лица

Ограничения

Модель склонна к повествованию от второго лица и может воспроизводить гендерные, профессиональные, расовые и религиозные предубеждения.

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-NeoX-20B-Skein

Model description

Skein is a series of hybrid story generation models intended for use in both text adventure writing and normal novel-style writing. The models are known to possess a strong second person bias. For inquiries, please contact the KoboldAI community.

The name comes from the Integrated Development Environment for the Inform 7 programming language, which calls a dialogue tree a "skein". Inform 6 and 7 were used to create some of the interactive fiction in the dataset.

Training procedure

GPT-NeoX-20B-Skein was trained on a TPUv3-32 TPU pod using a heavily modified version of Ben Wang's Mesh Transformer JAX library, the original version of which was used by EleutherAI to train their GPT-J-6B model. The training hyperparameters and statistics can be found here.

Training data

The data are mostly comprised of light novels from the dataset of the KoboldAI/GPT-Neo-2.7B-Horni-LN model and assorted interactive fiction. The dataset uses [Themes: <comma-separated list of genres>] for tagging. For more details, consult this document.

Limitations and biases

Based on known problems with NLP technology, potential relevant factors include bias (gender, profession, race and religion).

Citation details

The GPT-NeoX-20B model weights:

@inproceedings{gpt-neox-20b,
  title={{GPT-NeoX-20B}: An Open-Source Autoregressive Language Model},
  author={Black, Sid and Biderman, Stella and Hallahan, Eric and Anthony, Quentin and Gao, Leo and Golding, Laurence and He, Horace and Leahy, Connor and McDonell, Kyle and Phang, Jason and Pieler, Michael and Prashanth, USVSN Sai and Purohit, Shivanshu and Reynolds, Laria and Tow, Jonathan and Wang, Ben and Weinbach, Samuel},
  booktitle={Proceedings of the ACL Workshop on Challenges \& Perspectives in Creating Large Language Models},
  url={https://arxiv.org/abs/2204.06745},
  year={2022}
}

The Mesh Transformer JAX library:

@misc{mesh-transformer-jax,
  author = {Wang, Ben},
  title = {{Mesh-Transformer-JAX: Model-Parallel Implementation of Transformer Language Model with JAX}},
  howpublished = {\url{https://github.com/kingoflolz/mesh-transformer-jax}},
  year = 2021,
  month = May
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTNeoXForCausalLM
Ревизия весов
dd98d51

0 моделей