Экспериментальный чекпойнт GPT-BERT на 111,7 млн параметров для заполнения пропусков в тексте с контекстом до 512 токенов.
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_NtoN_10Uni_Seed3 — контрольная точка GPT-BERT, созданная в рамках экспериментов по обучению на отфильтрованном корпусе NPN. Модель использует плотную архитектуру GPT-BERT с головой masked language modeling и предназначена прежде всего для заполнения пропусков в тексте. По метаданным, она содержит 111,7 млн параметров, принимает контекст длиной до 512 токенов и распространяется в формате PyTorch для Transformers.
Каталог также относит модель к генерации текста, однако карточка описывает её как чекпойнт экспериментов с masked language modeling. Сведения о языках обучения, лицензии и практических ограничениях в доступных источниках отсутствуют; для загрузки архитектуры из карточки требуется разрешить пользовательский код через trust_remote_code.
Карточка не сообщает языки обучения и лицензию. Для загрузки архитектуры из репозитория в Transformers требуется включить 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_NtoN_10Uni_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.