Экспериментальная контрольная точка GPT-BERT для предсказания пропущенных токенов в тексте.
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
WesScivetti/GPT-BERT_NoNafterN_Seed3 — контрольная точка GPT-BERT, созданная в экспериментах по обучению на корпусе, отфильтрованном методом NPN. Модель с архитектурой GPT-BERT содержит 111,7 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате PyTorch для библиотеки Transformers. Для загрузки требуется разрешить выполнение пользовательского кода репозитория.
Основное назначение модели — заполнение пропусков в тексте: она предсказывает токены на месте маски. В каталоге также отмечена возможность генерации текста, однако README описывает модель как GPT-BERT для задачи masked language modeling. Карточка не сообщает языки обучения, лицензию и ограничения применения, поэтому их нельзя достоверно указать.
Для загрузки требуется включить trust_remote_code, поскольку репозиторий содержит пользовательский код архитектуры. Языки обучения, лицензия и качество на конкретных задачах в карточке не описаны.
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_NoNafterN_Seed3"
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.