Англоязычная дистиллированная GPT-2 Medium для генерации текста и экспериментов с методами дистилляции.
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
SeqKD-gpt2-340M — англоязычная авторегрессионная модель семейства GPT-2, разработанная как базовый эксперимент для MiniLLM. Это версия GPT-2 Medium примерно на 340 млн параметров, дистиллированная из GPT-2 XLarge на наборе databricks-dolly-15k с использованием sequence-level forward KLD. Модель генерирует продолжение текста и может служить базовой линией для сравнения методов дистилляции и supervised fine-tuning.
Модель принимает текст и выдаёт текст. Контекст составляет 1024 токена. Опубликована в формате PyTorch под лицензией Apache-2.0. Карточка характеризует её как baseline для исследования MiniLLM; результаты и ограничения генерации зависят от исходных данных и не описаны подробнее.
Карточка позиционирует модель как baseline для экспериментов, а не описывает её как универсальную систему; контекст ограничен 1024 токенами. Подробные оценки качества и дополнительные ограничения в карточке не приведены.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
SeqKD-gpt2-340M is a gpt2-medium (340M) model distilled from gpt2-xlarge (1.5B) on databricks-dolly-15k with sequence-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…