Экспериментальный GPT-BERT-чекпойнт для предсказания замаскированных токенов и связанных экспериментов с текстом.
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_OnlyNuponN_Seed1 — пользовательский чекпойнт GPT-BERT, созданный в ходе экспериментов по обучению на отфильтрованном корпусе NPN. Модель реализует архитектуру GPT-BERT с плотной сетью и классом GPTBERTForMaskedLM; содержит 111,7 млн параметров и поддерживает контекст до 512 токенов. Репозиторий включает код архитектуры для Transformers и загрузку через AutoModelForMaskedLM с включённым trust_remote_code.
Основное назначение модели — предсказание замаскированных токенов. Метаданные каталога также отмечают генерацию текста как поддерживаемую задачу, но карточка описывает модель как masked language model. Чекпойнт рассчитан на эксперименты с отфильтрованным корпусом NPN; сведения о языках и лицензии в предоставленных данных отсутствуют.
Контекст ограничен 512 токенами. Для загрузки архитектуры требуется включить trust_remote_code; результаты генерации текста в карточке отдельно не описаны.
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_OnlyNuponN_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.