/ Модель

Характеристики

Контекст
16 384 токена
Параметры
95,2 млн
Лицензия
BSD 3-Clause
Архитектура
led · dense
Базовая модель
Led-pubmed-20K-4096-v2
Опубликована
25 мая 2024

Led-pubmed-20K-4096-epoch2

Языковая модель3 профессии

Дообученная модель LED с 95,2 млн параметров для генерации текста на основе LA1512/Led-pubmed-20K-4096-v2.

10скачиваний за 30 дней0лайковвеса обновлены25 мая 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

LA1512/Led-pubmed-20K-4096-epoch2 — дообученная модель семейства LED для генерации текста по текстовому входу. Она создана на основе LA1512/Led-pubmed-20K-4096-v2; в карточке указано значение loss 3.4248 на оценочном наборе, но назначение дообучения, его данные и практические сценарии не описаны. Модель содержит 95,2 млн параметров и опубликована в формате Safetensors. Лицензия — BSD-3-Clause.

Сценарии применения

  • генерация текста по текстовому запросу

Ограничения

Назначение, языки и обучающие данные этой версии не описаны. В README приведено только значение loss 3.4248 без подробностей об оценочном наборе.

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

results

This model is a fine-tuned version of LA1512/Led-pubmed-20K-4096-v2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 3.4248

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 3e-05
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 400
  • num_epochs: 1
  • label_smoothing_factor: 0.1

Training results

Training LossEpochStepValidation Loss
3.46380.162003.4713
3.34070.324003.4833
3.27990.486003.4805
3.38830.648003.4563
3.35590.810003.4350
3.46710.9612003.4248

Framework versions

  • Transformers 4.39.3
  • Pytorch 2.1.2
  • Datasets 2.18.0
  • Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры
LEDForConditionalGeneration
Ревизия весов
17576de

0 моделей