Характеристики

Контекст: 512 токенов
Лицензия: WTFPL
Архитектура: gpt2 · dense
Базовая модель: JudgeLLM
Библиотека: transformers
Опубликована: 17 авг 2024

Ссылки

Hugging Face

JudgeLLM2

Wonder-Griffin

Классификация текстаТекст → label3 профессии

Англоязычная модель GPT-2 для классификации текста с контекстом 512 токенов, обученная на Wikipedia и SQuAD.

27скачиваний за 30 дней0лайковвеса обновлены7 сен 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

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.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

JudgeLLM2 — языковая модель семейства GPT-2 от Wonder-Griffin, обученная с нуля на данных Wikipedia и SQuAD v1.0. Метаданные указывают задачу классификации текста, а также разговорные возможности и ответы на вопросы. Модель принимает текст и предназначена для классификации текстовых данных; карточка также связывает её с вопросно-ответными сценариями.

Модель использует плотную архитектуру GPT-2, формат весов safetensors и контекст длиной 512 токенов. В метаданных указан английский язык. Лицензия — WTFPL. README не сообщает размер модели, результаты оценки или подробности её практических ограничений.

Сценарии применения

классификация английских текстов
разметка текстовых фрагментов по категориям
эксперименты с классификацией на данных Wikipedia
прототипирование задач классификации на коротком контексте

Ограничения

Контекст ограничен 512 токенами. README не приводит результатов оценки и подробных рекомендаций по применению.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

JudgeLLM2

This model was trained from scratch on wikipedia and squad v1.0

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 16
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 64
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 10

Training results

Framework versions

Transformers 4.43.3
Pytorch 2.4.0+cu124
Datasets 2.20.0
Tokenizers 0.19.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: GPTForCasualLM
Ревизия весов: 956f0e6