Экспериментальный чекпойнт GPT-BERT на 111,7 млн параметров для заполнения маски 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
Wes Scivetti публикует экспериментальный чекпойнт GPT-BERT, обученный в рамках экспериментов на корпусе NPN с фильтрацией. Модель использует плотную архитектуру GPT-BERT с головой masked language modeling; в репозитории есть код архитектуры для Transformers, а загрузка модели требует включить trust_remote_code.
Чекпойнт предназначен для заполнения маски в тексте. Каталог также относит к поддерживаемым задачам генерацию текста, однако README описывает модель как masked language model. Размер модели — 111,7 млн параметров, контекст — 512 токенов; веса представлены в формате PyTorch. Данных о языках, лицензии и ограничениях корпуса в предоставленных источниках нет.
Для загрузки требуется разрешить пользовательский код через trust_remote_code. Языковая поддержка и лицензия в предоставленных источниках 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_NtoN_1_Seed1"
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.