Экспериментальный чекпойнт GPT-BERT на 111,7 млн параметров для заполнения пропусков в тексте и связанных задач языкового моделирования.
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_3Zipf_Seed3 — пользовательский чекпойнт GPT-BERT, созданный в рамках экспериментов по обучению на корпусе, отфильтрованном методом NPN. Модель построена на плотной архитектуре GPT-BERT и предназначена прежде всего для восстановления замаскированных токенов; также каталог указывает поддержку генерации текста. Размер модели — 111,7 млн параметров, контекст — 512 токенов. Для загрузки в Transformers требуется разрешить выполнение кода репозитория через trust_remote_code=True.
Чекпойнт ориентирован на экспериментальные сценарии языкового моделирования и не описан как специализированный продукт для конкретной предметной области. README не сообщает о поддерживаемых естественных языках, поэтому языковую специализацию определить нельзя. Репозиторий содержит код архитектуры и веса в формате PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.
Для загрузки требуется trust_remote_code=True, поскольку репозиторий включает собственный код архитектуры. В предоставленных данных не описаны поддерживаемые языки и лицензия.
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_3Zipf_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.