Экспериментальный чекпойнт GPT-BERT на 111,7 млн параметров для заполнения пропусков и экспериментов с генерацией 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_OnlyNuponN_Seed3 — чекпойнт GPT-BERT, обученный в рамках экспериментов с корпусом, отфильтрованным по NPN. Модель использует архитектуру GPT-BERT и предназначена прежде всего для заполнения пропусков в тексте; каталог также отмечает возможность генерации текста. В README показана загрузка через Transformers с AutoModelForMaskedLM и AutoTokenizer.
Модель содержит 111,7 млн параметров, работает с контекстом до 512 токенов и распространяется в формате PyTorch. Для загрузки архитектурного кода из репозитория в примере требуется trust_remote_code=True. В README и метаданных нет сведений о лицензии, поддерживаемых естественных языках или конкретных прикладных областях.
Чекпойнт описан как часть экспериментов обучения, поэтому качество и пригодность для прикладного использования в README не заявлены. Для загрузки архитектурного кода из репозитория пример 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_OnlyNuponN_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.