Контрольная точка GPT-BERT на 111,7 млн параметров для предсказания замаскированных 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_NtoN_3Uni_Seed1 — контрольная точка GPT-BERT, обученная в рамках экспериментов с фильтрованным корпусом NPN. Репозиторий содержит код архитектуры для Transformers; модель загружается как GPTBERTForMaskedLM с пользовательским кодом. Это плотная модель на 111,7 млн параметров в формате PyTorch с контекстом до 512 токенов.
Основное назначение — предсказание замаскированных токенов в тексте. В метаданных также указана возможность генерации текста, однако авторская задача — fill-mask. README не уточняет языковой охват и ограничения эксперимента. Лицензионные условия в доступных данных не приведены.
README не описывает языковую поддержку и качество модели; для загрузки требуется разрешить выполнение пользовательского кода Transformers.
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_3Uni_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.