/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
138 млн
Архитектура
xglm · dense
Опубликована
2 мар 2022

fairseq-dense-125M

Генерация текстаТекст → текст3 профессии

Плотная языковая модель XGLM на 137,7 млн параметров для генерации текста на английском языке.

640скачиваний за 30 дней5лайковвеса обновлены18 ноя 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

KoboldAI/fairseq-dense-125M — преобразованная для совместимости с Hugging Face Transformers версия плотной языковой модели из 125M-параметрного семейства, описанного Artetxe и соавторами в статье «Efficient Large Scale Language Modeling with Mixtures of Experts». Модель использует архитектуру XGLM с плотными слоями и предназначена для генерации текста; размер в метаданных указан как 137,7 млн параметров, а длина контекста составляет 2048 токенов.

Модель подходит для экспериментов и небольших приложений автодополнения и генерации текста на английском языке. В README приведены результаты оценивания на ARC и HellaSwag. Доступны веса в форматах PyTorch и safetensors. README не указывает лицензию, поэтому условия использования по предоставленным данным определить нельзя.

Сценарии применения

  • генерация продолжения английского текста
  • автодополнение коротких английских фрагментов
  • эксперименты с компактными языковыми моделями
  • оценивание модели на задачах ARC и HellaSwag

Ограничения

Контекст ограничен 2048 токенами, а размер модели существенно меньше современных крупных языковых моделей. Лицензия и подробные ограничения применения в предоставленных материалах не указаны.

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

This is a Hugging Face transformers-compatible conversion of the original dense 125M-parameter model from the paper "Efficient Large Scale Language Modeling with Mixtures of Experts" from Artetxe et al. Please refer to the original model card, which can be found at https://github.com/facebookresearch/fairseq/blob/main/examples/moe_lm/model_card.md.

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.26.0
ARC (25-shot)24.06
HellaSwag (10-shot)34.14
MMLU (5-shot)23.98
TruthfulQA (0-shot)43.72
Winogrande (5-shot)50.59
GSM8K (5-shot)0.0
DROP (3-shot)5.5

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
XGLMForCausalLM
Ревизия весов
7ed81ed

0 моделей