/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Лицензия
WTFPL
Архитектура
gpt2 · dense
Базовая модель
TraXL
Библиотека
transformers
Опубликована
3 сен 2024

Ссылки

Hugging Face

squadtrainTraXL

Wonder-Griffin
Генерация текстаТекст → текст3 профессии

Дообученная на Biddls/Onion_News англоязычная GPT-2 модель для генерации текста с контекстом до 1024 токенов.

136скачиваний за 30 дней0лайковвеса обновлены11 сен 2024

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Wonder-Griffin/squadtrainTraXL — дообученная модель генерации текста на архитектуре GPT-2, основанная на Wonder-Griffin/TraXL. По метаданным, модель использует библиотеку Transformers и веса в формате safetensors; объём контекста — до 1024 токенов. В карточке указано, что при обучении использовался датасет Biddls/Onion_News, а язык модели — английский.

Модель предназначена для генерации текста на английском языке. Карточка не описывает её целевые сценарии, качество, оценивание или ограничения; обучение с нуля, упомянутое в README, расходится с метаданными о дообучении TraXL. Лицензия — WTFPL.

Сценарии применения

  • генерация англоязычных новостных текстов
  • продолжение коротких текстовых фрагментов на английском
  • эксперименты с генерацией новостного текста

Ограничения

README не содержит результатов оценки, подробностей обучения и рекомендаций по использованию; заявленные в нём обучение с нуля и неизвестный датасет противоречат метаданным о дообучении TraXL на Biddls/Onion_News. Контекст ограничен 1024 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594моделиII.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

squadtrainTraXL

This model was trained from scratch on an unknown dataset.

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: 3.598262103710215e-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 5
  • mixed_precision_training: Native AMP

Training results

Framework versions

  • Transformers 4.44.2
  • Pytorch 2.4.0+cu124
  • Datasets 2.19.1
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
b7f7172

0 моделей

    Создать бенчмарк