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
RantiRepo/gpt2-DPO-LoRA — языковая модель на архитектуре GPT-2, дообученная разработчиком методом Direct Preference Optimization (DPO) с адаптером LoRA. В качестве основы использована gpt2; при обучении применялись ранг LoRA 16, alpha 32 и датасет IndonesiaAI/dpo-dataset, из которого взяли 20 000 примеров с предпочтительными и отвергнутыми ответами.
Модель предназначена для генерации текста с предпочтением ответов, отмеченных как выбранные в обучающих парах. Её можно применять для экспериментов с генерацией и настройкой ответов на индонезийском языке. Максимальная длина последовательности по данным карточки — 1024 токена; веса представлены в формате Safetensors и рассчитаны на библиотеку Transformers.
Карточка не сообщает лицензию. Результаты зависят от данных предпочтений и ограниченного объёма обучающей выборки; модель может воспроизводить смещения датасета и не гарантирует точность или безопасность ответов.
Сценарии применения
генерация ответов на индонезийском языке
эксперименты с обучением языковых моделей на предпочтениях
создание прототипа диалогового генератора текста
Ограничения
Обучение основано на выборке из 20 000 примеров, поэтому возможны смещения, присущие датасету предпочтений. Лицензия и гарантии качества в карточке не описаны.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель