Экспериментальный чекпойнт GPT-BERT 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_Seed2 — пользовательский чекпойнт GPT-BERT, обученный в рамках экспериментов с фильтрованным корпусом NPN. Это плотная модель архитектуры GPT-BERT с примерно 111,7 млн параметров и контекстом до 512 токенов; для загрузки в Transformers требуется включить доверие к пользовательскому коду репозитория.
Основная задача модели — восстановление замаскированных фрагментов текста. В метаданных также отмечена генерация текста, однако README описывает загрузку через класс masked language modeling и не приводит примеров генерации. Язык корпуса и конкретные сценарии применения не уточняются.
Модель опубликована в формате PyTorch. Сведения о лицензии в предоставленных данных отсутствуют, поэтому условия использования по ним определить нельзя.
Контекст ограничен 512 токенами; для загрузки требуется разрешить пользовательский код репозитория. В предоставленных данных нет сведений о языковой поддержке и лицензии.
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_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.