/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
152 млн
Архитектура
gpt_neox · dense
Библиотека
transformers
Опубликована
11 ноя 2024

Ссылки

Hugging Face

GPTNeoX-160M-Minipile

SingularityHJY
Генерация текстаТекст → текст3 профессии

Компактная модель GPT-NeoX с 151,9 млн параметров для авторегрессионной генерации текста и экспериментов.

23скачиваний за 30 дней0лайковвеса обновлены12 ноя 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.

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

GPTNeoX-160M-Minipile — плотная авторегрессионная языковая модель семейства GPT-NeoX, разработанная SingularityHJY и обученная с нуля. Она содержит 151,9 млн параметров, принимает текст и генерирует продолжение текста; заявленная длина контекста — 2048 токенов. Модель реализована для Transformers и опубликована в формате safetensors.

Карточка сообщает о значении loss 2,8779 на оценочном наборе, но не раскрывает состав обучающих и оценочных данных или конкретные сценарии применения. Модель можно рассматривать для экспериментов с генерацией текста и изучения компактных GPT-NeoX-моделей. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация продолжения текстового фрагмента
  • эксперименты с компактными языковыми моделями
  • изучение архитектуры GPT-NeoX
  • оценка генерации текста на собственном наборе данных

Ограничения

Обучающие данные и назначение модели подробно не описаны, поэтому качество и пригодность для конкретных задач не установлены. В карточке приведён loss 2,8779 без описания оценочного набора; лицензия не указана в предоставленных данных.

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.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GPTNeoX-160M-Minipile

This model was trained from scratch on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 2.8779

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: 0.001
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
6.69230.02815006.6275
5.73960.056110005.7512
5.30070.084215005.2374
4.66050.112320004.6288
4.28780.140325004.2100
4.00880.168430003.9680
3.83320.196535003.8331
3.75520.224640003.7197
3.60960.252645003.6527
3.61510.280750003.5885
3.45740.308855003.5467
3.45610.336860003.4924
3.36550.364965003.4318
3.42020.393070003.3960
3.37260.421075003.3732
3.33130.449180003.3337
3.34110.477285003.3040
3.35440.505290003.2786
3.25020.533395003.2705
3.27330.5614100003.2517
3.24670.5895105003.2253
3.25160.6175110003.2078
3.17750.6456115003.1942
3.2070.6737120003.1785
3.13310.7017125003.1725
3.13980.7298130003.1542
3.15690.7579135003.1462
3.1480.7859140003.1280
3.15470.8140145003.1201
3.15830.8421150003.1070
3.1030.8702155003.0974
3.05270.8982160003.0862
3.06120.9263165003.0764
3.07070.9544170003.0663
3.06320.9824175003.0607
3.03171.0105180003.0491
3.01081.0386185003.0479
3.0351.0666190003.0415
3.01641.0947195003.0324
2.97071.1228200003.0250
3.01211.1508205003.0211
2.98871.1789210003.0135
2.99331.2070215003.0050
2.95351.2351220003.0005
2.96511.2631225002.9931
2.99651.2912230002.9875
2.98861.3193235002.9819
2.921.3473240002.9752
2.92631.3754245002.9717
2.87071.4035250002.9691
2.9231.4315255002.9627
2.96151.4596260002.9555
2.91541.4877265002.9518
2.91121.5157270002.9481
2.90331.5438275002.9433
2.97111.5719280002.9379
2.89261.6000285002.9344
2.90061.6280290002.9301
2.95291.6561295002.9263
2.87181.6842300002.9223
2.89891.7122305002.9188
2.91011.7403310002.9149
2.92191.7684315002.9120
2.92251.7964320002.9082
2.88551.8245325002.9058
2.86431.8526330002.9026
2.89961.8806335002.8999
2.97171.9087340002.8974
2.85361.9368345002.8960
2.84351.9649350002.8928
2.8611.9929355002.8906
2.79772.0210360002.8894
2.82282.0491365002.8895
2.80642.0771370002.8874
2.8272.1052375002.8863
2.82022.1333380002.8852
2.85812.1613385002.8840
2.80042.1894390002.8828
2.77712.2175395002.8820
2.83052.2456400002.8814
2.86592.2736405002.8806
2.81762.3017410002.8804
2.81012.3298415002.8797
2.78662.3578420002.8792
2.81142.3859425002.8789
2.82042.4140430002.8786
2.8612.4420435002.8782
2.83332.4701440002.8781
2.81112.4982445002.8781
2.81452.5262450002.8779
2.83492.5543455002.8778
2.80582.5824460002.8778
2.79712.6105465002.8778
2.82672.6385470002.8777
2.81722.6666475002.8777
2.83552.6947480002.8778
2.81892.7227485002.8778
2.81552.7508490002.8778
2.85422.7789495002.8778
2.84762.8069500002.8779
2.82882.8350505002.8779
2.83992.8631510002.8779
2.7672.8911515002.8779
2.82382.9192520002.8779
2.79822.9473525002.8779
2.78442.9754530002.8779

Framework versions

  • Transformers 4.45.0
  • Pytorch 2.4.1
  • Datasets 3.0.1
  • Tokenizers 0.20.3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTNeoXForCausalLM
Ревизия весов
995b891

0 моделей

    Создать бенчмарк