Экспериментальная GPT-BERT модель для восстановления замаскированных токенов 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
GPT-BERT — экспериментальный чекпойнт на 111,7 млн параметров, обученный WesScivetti в рамках экспериментов с обучением на отфильтрованном корпусе NPN. Модель использует плотную архитектуру GPT-BERT и класс GPTBERTForMaskedLM; репозиторий содержит код архитектуры для Transformers. Контекст составляет 512 токенов.
Основная задача модели — восстановление замаскированных токенов в тексте. В метаданных также отмечена возможность генерации текста, однако карточка описывает обучение как экспериментальное и не приводит подробностей о качестве, языках корпуса или сценариях применения. Веса представлены в формате PyTorch.
Лицензия в доступных данных не указана. Для загрузки модели из карточки требуется включить trust_remote_code, поскольку используется пользовательский код архитектуры.
Карточка не сообщает, на каких языках обучалась модель, и не приводит оценок качества. Для загрузки 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_50Uni_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.