Контрольная точка GPT-BERT для предсказания пропущенных токенов и экспериментов с генерацией 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
GPT-BERT_NoNuponN_Seed2 — контрольная точка GPT-BERT, опубликованная Wes Scivetti. Она создана в рамках экспериментов по обучению на отфильтрованном корпусе NPN; в репозитории есть код архитектуры для Transformers. Модель содержит 111,7 млн параметров, использует плотную архитектуру GPTBERTForMaskedLM и обрабатывает контексты длиной до 512 токенов.
Основная задача модели — предсказание замаскированных токенов в тексте; метаданные также указывают поддержку генерации текста. Для загрузки автор приводит пример с AutoModelForMaskedLM и AutoTokenizer в библиотеке Transformers, с включением trust_remote_code. Репозиторий содержит веса PyTorch. Сведения о лицензии и конкретных языках корпуса в предоставленных материалах отсутствуют.
README описывает модель как контрольную точку экспериментов, а не как готовое прикладное решение; при загрузке требуется trust_remote_code. Лицензия и языки обучения в предоставленных материалах не указаны.
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_NoNuponN_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.