/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Базовая модель
gpt2-large
Опубликована
26 сен 2024

MiniLLM-gpt2-760M

Генерация текстаТекст → текст3 профессии

Англоязычная дистиллированная модель GPT-2 на 760 млн параметров для генерации текста и ответов на запросы.

180скачиваний за 30 дней0лайковвеса обновлены26 сен 2024

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

MiniLLM-gpt2-760M — англоязычная авторегрессионная модель семейства GPT-2, разработанная авторами проекта MiniLLM. Это модель генерации текста на 760 млн параметров, созданная дистилляцией GPT-2 XL объёмом 1,5 млрд параметров и обученная на наборе databricks-dolly-15k. Она предназначена для генерации продолжений текста и ответов на запросы в текстовом формате; в карточке описана оценка ответов на примерах из Dolly, Self-Instruct и Vicuna.

Модель использует плотную архитектуру GPT-2 и веса PyTorch. Контекст составляет 1024 токена. Для PPO-оптимизации требуется SFT-модель для инициализации. Репозиторий указывает лицензию Apache-2.0. Карточка описывает экспериментальную оценку генераций, но не приводит измерений качества или сведений о пригодности для конкретных прикладных областей.

Сценарии применения

  • генерация продолжений англоязычного текста
  • ответы на текстовые инструкции
  • создание диалоговых ответов
  • эксперименты с дистилляцией языковых моделей

Ограничения

Контекст ограничен 1024 токенами. Для PPO-оптимизации требуется SFT-модель для инициализации; карточка не сообщает количественных результатов оценки качества.

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

MiniLLM-gpt2-760M

paper | code

MiniLLM-gpt2-760M is a gpt2-large (760M) model distilled from gpt2-xlarge (1.5B) on databricks-dolly-15k

Note: MiniLLM requires a SFT model for initilization to perform the PPO optimization.

Evaluation

We ask GPT-4 to give scores for the generated responses of MiniLLM. The prompts are taken from databricks-dolly-15k (test set), self-instruct, and vicuna

Baseline Models

Citation

@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}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
1eb1bba

0 моделей