Экспериментальная GPT-BERT-модель на 111,7 млн параметров для заполнения пропусков в тексте 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
WesScivetti/GPT-BERT_NtoN_5Uni_Seed2 — экспериментальный чекпойнт GPT-BERT, разработанный WesScivetti для обучения на отфильтрованном корпусе NPN. Модель основана на плотной архитектуре GPT-BERT и предназначена прежде всего для заполнения пропусков в тексте; каталог также отмечает возможность генерации текста.
Модель содержит 111,7 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch для Transformers. Для загрузки архитектуры из репозитория требуется включить trust_remote_code. Основной язык, качество на конкретных задачах и условия лицензии по доступным данным определить нельзя.
Карточка не сообщает результаты оценки качества и основной язык модели. Для загрузки требуется разрешить выполнение кода из репозитория через 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_5Uni_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.