Экспериментальный чекпойнт GPT-BERT для заполнения пропусков и генерации текста.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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
Wes Scivetti разработал экспериментальный чекпойнт GPT-BERT, обученный в рамках экспериментов на корпусе, отфильтрованном методом NPN. Модель предназначена прежде всего для заполнения пропусков в тексте: она принимает текст с маскированным фрагментом и предсказывает подходящий токен или фрагмент. В каталоге также отмечена поддержка генерации текста.
Это плотная модель архитектуры GPT-BERT с 111,7 млн параметров и контекстом до 512 токенов. Для загрузки используется библиотека Transformers; репозиторий включает код архитектуры, а пример загрузки требует включить trust_remote_code. Доступны веса PyTorch. Язык обучения и лицензия в предоставленных данных не указаны.
Контекст ограничен 512 токенами. Для загрузки требуется разрешить пользовательский код репозитория через trust_remote_code.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Custom GPT-BERT checkpoint from the NPN filtered-corpus training experiments.
This repository includes the architecture code required by Transformers. Example:
from transformers import AutoModelForMaskedLM, AutoTokenizer
repo_id = "WesScivetti/GPT-BERT_NoNPN_Seed2"
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForMaskedLM.from_pretrained(repo_id, trust_remote_code=True)
model.eval()
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers · fill-mask
Модели нужен код из репозитория; автор пока не в списке доверенных организаций.