/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
14,9 млрд
Лицензия
MIT
Архитектура
xglm · dense
Опубликована
14 мая 2022

fairseq-dense-13B-Nerys

Генерация текстаТекст → текст3 профессии

Дообученная модель KoboldAI на базе XGLM для генерации англоязычных художественных текстов, диалогов и интерактивных сюжетов.

96скачиваний за 30 дней18лайковвеса обновлены25 июн 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

Fairseq-dense 13B-Nerys — языковая модель KoboldAI для генерации продолжений текста. Это дообученная плотная модель семейства XGLM с 14,9 млрд параметров, доступная в формате PyTorch и рассчитанная на контекст до 2048 токенов. Для генерации её можно использовать через pipeline text-generation в Transformers.

Модель обучали на примерно 2500 электронных книгах разных жанров, наборе текстовых приключений CYS и 50 азиатских ранобэ из Manga-v1. Во многих примерах перед текстом указывали жанр в формате `[Genre: , ]`. Модель подходит для создания художественных текстов, диалогов и интерактивных сюжетов на английском языке. Репозиторий распространяется по лицензии MIT.

Как и другие языковые модели, Nerys может воспроизводить гендерные, профессиональные, расовые и религиозные предубеждения из данных обучения. Длина контекста ограничена 2048 токенами; модель предназначена для генерации текста, а не для гарантированно точных фактических ответов.

Сценарии применения

  • написание продолжений художественных рассказов
  • генерация диалогов персонажей
  • создание интерактивных сюжетов и текстовых приключений
  • написание жанровых сцен по заданному началу
  • генерация текста в стиле ранобэ

Ограничения

Модель может воспроизводить гендерные, профессиональные, расовые и религиозные предубеждения из обучающих данных. Контекст ограничен 2048 токенами; фактическая точность ответов не гарантируется.

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

Fairseq-dense 13B - Nerys

Model Description

Fairseq-dense 13B-Nerys is a finetune created using Fairseq's MoE dense model.

Training data

The training data contains around 2500 ebooks in various genres (the "Pike" dataset), a CYOA dataset called "CYS" and 50 Asian "Light Novels" (the "Manga-v1" dataset). Most parts of the dataset have been prepended using the following text: [Genre: <genre1>, <genre2>]

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/fairseq-dense-13B-Nerys')
>>> generator("Welcome Captain Janeway, I apologize for the delay.", do_sample=True, min_length=50)
[{'generated_text': 'Welcome Captain Janeway, I apologize for the delay."\nIt's all right," Janeway said. "I'm certain that you're doing your best to keep me informed of what\'s going on."'}]

Limitations and Biases

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

BibTeX entry and citation info

Artetxe et al. (2021): Efficient Large Scale Language Modeling with Mixtures of Experts

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
2dea07a

0 моделей