Компактная англоязычная модель GPT-2 на 120 млн параметров, дистиллированная для генерации текста и использования в экспериментах MiniLLM.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
KD-gpt2-120M — компактная авторегрессионная языковая модель семейства GPT-2, представленная в рамках проекта MiniLLM. Модель содержит 120 млн параметров и получена дистилляцией GPT-2 с использованием более крупной GPT-2 XLarge (1,5 млрд параметров) как учителя: обучение проводилось на датасете databricks-dolly-15k с token-level forward KLD. В проекте она используется как базовая линия для сравнения методов MiniLLM.
Модель предназначена для генерации продолжения текста по текстовому промпту и экспериментов со сравнением способов дистилляции и дообучения языковых моделей. Поддерживает английский язык, работает в формате PyTorch и имеет контекстное окно 1024 токена. Распространяется по лицензии Apache-2.0.
Контекстное окно ограничено 1024 токенами. Модель компактна и позиционируется как базовая линия для экспериментов, поэтому её возможности могут уступать более крупным языковым моделям.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
KD-gpt2-120M is a gpt2-base (120M) model distilled from gpt2-xlarge (1.5B) on databricks-dolly-15k with token-level forward KLD.
It is used as a baseline for MiniLLM.
@inproceedings{minillm,
title={MiniLLM: Knowledge Distillation of Large Language Models},
author={Gu, Yuxian and Dong, Li and Wei, Furu and Huang, Minlie},
booktitle={Proceedings of ICLR},
year={2024}
}
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…