Экспериментальная англоязычная GPT-2 Large, дистиллированная для генерации текста и использования в качестве baseline 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
SeqKD-gpt2-760M — англоязычная авторегрессионная модель семейства GPT-2, подготовленная как базовый экспериментальный вариант для MiniLLM. Это GPT-2 Large примерно на 760 млн параметров, дообученная на датасете databricks-dolly-15k с дистилляцией по последовательностям и прямой Kullback–Leibler-дивергенцией; исходной базовой моделью указана openai-community/gpt2-large, а моделью-учителем — GPT-2 XLarge примерно на 1,5 млрд параметров.
Модель предназначена для генерации и продолжения текста, в частности как baseline для исследования MiniLLM. Она принимает текст и генерирует текст, поддерживает английский язык и имеет контекст до 1024 токенов. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0.
Контекст ограничен 1024 токенами; модель описана как baseline для экспериментов, а не как специализированная прикладная система.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
SeqKD-gpt2-760M is a gpt2-large (760M) 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…