Экспериментальная контрольная точка GPT-BERT 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_Seed3 — контрольная точка GPT-BERT, созданная в рамках экспериментов по обучению на отфильтрованном корпусе NPN. Это плотная модель архитектуры GPT-BERT с 111,7 млн параметров и контекстом 512 токенов, предназначенная прежде всего для заполнения пропусков в тексте. Карточка также относит к поддерживаемым задачам генерацию текста.
Модель использует Transformers и веса PyTorch. Для загрузки архитектуры из репозитория в примере README включён параметр trust_remote_code=True. Данные не описывают целевые языки, качество на конкретных задачах или условия лицензирования, поэтому применимость за пределами указанных задач оценить нельзя.
README и метаданные не сообщают о поддерживаемых языках, результатах оценки или лицензии. Для загрузки архитектуры README требует trust_remote_code=True.
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_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.