Экспериментальная GPT-BERT-модель Wes Scivetti для предсказания замаскированных токенов и заполнения пропусков в тексте.
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_OnlyNafterN_Seed3 — контрольная точка GPT-BERT, обученная в рамках экспериментов с обучающим корпусом, отфильтрованным по NPN. Модель разработана Wes Scivetti; архитектура GPT-BERT реализует плотную нейросеть с 111,7 млн параметров и контекстом до 512 токенов.
Основное назначение — заполнение пропусков в тексте: модель предсказывает замаскированные токены с учётом контекста. Метаданные также указывают генерацию текста как поддерживаемую задачу, но карточка описывает модель как checkpoint экспериментов и не приводит конкретных оценок качества или прикладных рекомендаций. Для загрузки архитектуры из репозитория в Transformers требуется разрешить выполнение пользовательского кода.
Модель принимает текст и выдаёт текстовые предсказания. В репозитории указаны веса PyTorch. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны; название корпуса само по себе не позволяет надёжно определить языки модели.
Карточка не приводит оценок качества, прикладных рекомендаций, лицензии или списка поддерживаемых языков. Загрузка модели требует trust_remote_code=True, то есть разрешения на выполнение пользовательского кода из репозитория.
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_OnlyNafterN_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.