Экспериментальный GPT-BERT-чекпойнт для восстановления замаскированных токенов и генерации текста.
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 Wes Scivetti в серии экспериментов с фильтрованным корпусом NPN. Модель использует плотную архитектуру GPT-BERT и предназначена прежде всего для восстановления замаскированных токенов в тексте; каталог также отмечает возможность генерации текста. Контекст составляет 512 токенов.
Модель доступна в формате PyTorch через Transformers; для загрузки архитектурного кода из репозитория требуется включить trust_remote_code. Карточка не сообщает лицензию, языки обучения или ограничения по применению.
Контекст ограничен 512 токенами. Для загрузки архитектурного кода требуется trust_remote_code; карточка не указывает лицензию и языки модели.
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_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.