/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
24,2 ГБ
Лицензия
Apache 2.0
Архитектура
gptj · dense
Опубликована
25 июл 2023

sft-trl-claim

Генерация текстаТекст → текст3 профессии

Дообученная на ANLI модель GPT-J для генерации текста и экспериментов с естественно-языковым выводом.

13скачиваний за 30 дней0лайковвеса обновлены25 июл 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.

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

Tverous/sft-trl-claim — дообученная модель генерации текста на базе EleutherAI/gpt-j-6b, обученная на наборе данных ANLI. Для неё указана оценка loss 0,6558 на тестовой выборке. Модель построена на архитектуре GPT-J и распространяется в формате PyTorch; контекстное окно составляет 2048 токенов.

Модель предназначена для генерации текста и может служить экспериментальным чекпойнтом для задач, связанных с ANLI, например для изучения генерации ответов в сценариях естественно-языкового вывода. Карточка не описывает конкретный формат запросов или подтверждённые прикладные сценарии. Лицензия — Apache-2.0.

Сценарии применения

  • Изучение генерации текста на примерах ANLI
  • Эксперименты с генерацией ответов для задач естественно-языкового вывода
  • Сравнение дообученной GPT-J с базовой моделью на текстовых запросах

Ограничения

В карточке приведена только одна метрика — loss 0,6558 на тестовой выборке; другие оценки качества и прикладные сценарии не описаны. Контекст ограничен 2048 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sft-trl-claim

This model is a fine-tuned version of EleutherAI/gpt-j-6b on the anli dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6558

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: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 3.0

Training results

Training LossEpochStepValidation Loss
2.17580.210001.8749
0.97820.420001.4891
0.72680.630001.0777
0.78820.840000.7661
0.3161.050000.7215
0.29621.260000.7067
0.23181.470000.6914
0.34241.680000.6558
0.2161.890000.6558
0.17322.0100000.6558
0.11782.2110000.6558
0.2022.4120000.6558
0.10882.6130000.6558
0.14082.8140000.6558
0.18563.0150000.6558

Framework versions

  • Transformers 4.30.2
  • Pytorch 2.0.1+cu117
  • Datasets 2.13.1
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTJForCausalLM
Ревизия весов
7b7c2a2

0 моделей