Экспериментальная GPT-BERT-модель на 111,7 млн параметров для заполнения пропусков и генерации 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_Random_Seed3 — пользовательская контрольная точка GPT-BERT из экспериментов по обучению на отфильтрованном корпусе NPN. Модель с архитектурой GPT-BERT и 111,7 млн параметров предназначена прежде всего для заполнения пропусков в тексте; каталог также указывает генерацию текста среди поддерживаемых задач. Репозиторий содержит код архитектуры для Transformers, а пример загрузки требует включить trust_remote_code.
Модель принимает текстовые последовательности с контекстом до 512 токенов и выдаёт текст. В карточке нет сведений о целевых языках, поэтому языковую специализацию определить нельзя. Это экспериментальный чекпойнт обучения; README не сообщает лицензию, поэтому условия использования по имеющимся данным описать нельзя.
Языки обучения и качество на прикладных задачах не описаны; контекст ограничен 512 токенами. Для загрузки примера требуется trust_remote_code, а лицензия в доступных данных не приведена.
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_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.