Экспериментальный GPT-BERT-чекпойнт на 111,7 млн параметров для предсказания замаскированных токенов в контексте до 512 токенов.
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_Random_Seed1 — пользовательский чекпойнт GPT-BERT, созданный в рамках обучающих экспериментов на отфильтрованном корпусе NPN. Модель построена на плотной архитектуре GPT-BERT с головой masked language modeling; в репозитории есть код архитектуры для Transformers. Чекпойнт содержит 111,7 млн параметров, работает с контекстом до 512 токенов и распространяется в формате PyTorch.
Основное назначение модели — заполнение пропусков в тексте: она предсказывает замаскированные токены с учётом контекста. Метаданные также отмечают text-generation как поддерживаемую задачу, однако карточка описывает именно экспериментальный чекпойнт для fill-mask, а не специализированный генеративный чат-бот. Данные о поддерживаемых естественных языках и лицензии не приведены, поэтому их нельзя надёжно указать.
Это экспериментальный чекпойнт из серии обучающих экспериментов; карточка не сообщает о его качестве на бенчмарках или о поддерживаемых естественных языках. Для загрузки архитектуры README требует включить trust_remote_code, поэтому перед использованием следует проверять код 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_Random_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.