Экспериментальный чекпойнт GPT-BERT для заполнения пропусков и предсказания замаскированных токенов 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_OnlyNtoN_Seed1 — чекпойнт GPT-BERT, созданный в рамках экспериментов по обучению на отфильтрованном корпусе NPN. Модель с архитектурой GPTBERTForMaskedLM содержит 111,7 млн параметров, использует библиотеку Transformers и принимает последовательности длиной до 512 токенов.
Основное назначение — заполнение пропусков в тексте и предсказание замаскированных токенов. Каталог также отмечает возможность генерации текста, однако карточка описывает модель как checkpoint для masked language modeling. Для загрузки модели требуется включить trust_remote_code, поскольку репозиторий содержит пользовательский код архитектуры.
Это экспериментальный чекпойнт из серии обучающих экспериментов; сведений о целевых языках и лицензии в предоставленных данных нет.
Длина входа ограничена 512 токенами; для загрузки требуется trust_remote_code. Языковая специализация и лицензия не установлены по предоставленным данным.
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_OnlyNtoN_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.