Экспериментальный чекпойнт GPT-BERT для предсказания замаскированных токенов 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
GPT-BERT — пользовательский чекпойнт модели с маскированным языковым моделированием, обученный в рамках экспериментов на отфильтрованном корпусе NPN. Репозиторий включает код архитектуры для Transformers; для загрузки модели требуется включить trust_remote_code.
Модель содержит 111,7 млн параметров, использует плотную архитектуру GPT-BERT и контекст до 512 токенов. Основная задача — предсказывать замаскированные токены в тексте; метаданные каталога также указывают на поддержку генерации текста. В README нет сведений о конкретных языках, метриках качества или лицензии, поэтому их нельзя оценить по доступным данным.
В README не приведены метрики качества и лицензия. Для загрузки архитектуры требуется 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_10Zipf_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.