/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
152 млн
Лицензия
Своя лицензия
Архитектура
opt · dense
Базовая модель
opt-125m
Опубликована
5 дек 2023

Ссылки

Hugging Face

opt-125m-sft-full

SebastianSchramm
Генерация текстаТекст → текст3 профессии

Дообученная модель OPT-125M для генерации и продолжения текста, в том числе в разговорных сценариях.

30скачиваний за 30 дней0лайковвеса обновлены5 дек 2023

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.

Открыть конструктор бенчмарка

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

SebastianSchramm/opt-125m-sft-full — дообученная авторегрессионная языковая модель семейства OPT, основанная на facebook/opt-125m. В репозитории около 151,9 млн параметров; модель использует плотную архитектуру OPTForCausalLM, формат safetensors и контекст до 2048 токенов.

Модель предназначена для генерации и продолжения текста в разговорных сценариях. Её можно использовать для экспериментов с языковыми моделями или как основу для прикладного дообучения. Карточка сообщает значение loss 1,7902 на оценочном наборе, но не раскрывает набор данных и подробности обучения.

Базовая OPT-125M ориентирована на английский язык, поэтому англоязычное применение наиболее обосновано. Лицензия указана как other; конкретные условия использования по имеющимся данным определить нельзя.

Сценарии применения

  • генерация продолжения английского текста
  • эксперименты с небольшой авторегрессионной языковой моделью
  • создание прототипа текстового чат-бота
  • дообучение под прикладные текстовые задачи

Ограничения

Датасет дообучения и подробности обучения не раскрыты, а единственная приведённая оценка loss не позволяет судить о качестве на конкретных задачах. Условия лицензии с меткой other требуют проверки перед использованием.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

opt-125m-sft-full

This model is a fine-tuned version of facebook/opt-125m on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.7902

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 8
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
1.86640.6240341.7902

Framework versions

  • Transformers 4.35.0
  • Pytorch 2.1.0+cu121
  • Datasets 2.14.6
  • Tokenizers 0.14.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
OPTForCausalLM
Ревизия весов
5e74af1

0 моделей

    Создать бенчмарк