Дообученная GPT-Neo с 403,8 млн параметров для генерации текста по запросам и инструкциям.
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
SummerSigh/GPTNeo350M-Instruct-SFT — дообученная модель генерации текста на архитектуре GPT-Neo, опубликованная пользователем SummerSigh. Она предназначена для генерации текста по входному запросу в сценариях инструкционного взаимодействия. Модель содержит 403,8 млн параметров, принимает текст и имеет контекст длиной до 2048 токенов.
В README приведены результаты оценки на бенчмарках: средний показатель 27,03, ARC — 25,94 и HellaSwag — 38,55. Репозиторий содержит веса PyTorch и safetensors. Лицензия — Apache-2.0.
Контекст ограничен 2048 токенами; приведённые результаты бенчмарков сами по себе не подтверждают надёжность ответов в прикладных сценариях.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Detailed results can be found here
| Metric | Value |
|---|---|
| Avg. | 27.03 |
| ARC (25-shot) | 25.94 |
| HellaSwag (10-shot) | 38.55 |
| MMLU (5-shot) | 25.76 |
| TruthfulQA (0-shot) | 45.25 |
| Winogrande (5-shot) | 50.2 |
| GSM8K (5-shot) | 0.3 |
| DROP (3-shot) | 3.24 |
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…