/ Модель

Характеристики

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

led-pubmed-20K-ORC-4096-epoch2

Языковая модель3 профессии

Дообученная LED-модель для генерации текста по тексту, назначение и обучающие данные которой не описаны.

9скачиваний за 30 дней0лайковвеса обновлены26 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-ORC-4096-epoch2 — дообученная модель семейства LED с архитектурой для генерации текста по тексту. Веса сохранены в формате safetensors; размер модели составляет 95,2 млн параметров. В README указана оценка loss 3,2494 на тестовом наборе, но назначение дообучения и состав данных не описаны.

Модель основана на LA1512/led-pubmed-20K-ORC-4096. Лицензия — BSD 3-Clause. По имеющимся сведениям модель можно рассматривать для экспериментов с генерацией текста по входному тексту; конкретные сценарии, языки и длина контекста не подтверждены.

Сценарии применения

  • эксперименты с генерацией текста по входному тексту
  • оценка качества дообученной модели по метрике loss
  • исследование применения LED к текстовым задачам

Ограничения

Назначение дообучения, обучающий набор данных, поддерживаемые языки и контекст не описаны. В README приведена только оценка loss 3,2494 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-ORC-4096 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 3.2494

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
3.29740.162003.2981
3.17520.324003.3060
3.13660.486003.3115
3.16120.648003.2834
3.1720.810003.2593
3.29530.9612003.2494

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
99f55e2

0 моделей