/ Модель

Характеристики

Контекст
2 048 токенов
Лицензия
MIT
Архитектура
gpt2 · dense
Опубликована
10 авг 2023

mGPT-1.3B-tajik

Генерация текстаТекст → текст3 профессии

Дообученная на таджикских данных GPT-2-модель для генерации текста на таджикском языке.

99скачиваний за 30 дней5лайковвеса обновлены11 авг 2023

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.

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

Tajik mGPT 1.3B — языковая модель, разработанная AI Forever для генерации текста на таджикском языке. Это дообученная версия многоязычной модели mGPT-XL с архитектурой GPT-2 и 1,3 млрд параметров. Базовая модель обучалась на 61 языке с использованием Wikipedia и корпуса C4; для этой версии добавили данные на таджикском и продолжили обучение ещё 50 000 шагов.

Модель предназначена для продолжения и генерации таджикского текста, в том числе на кириллице. Её контекстное окно составляет 2048 токенов. В README приведена perplexity 6,52 на валидационной выборке. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT.

Сценарии применения

  • генерация текста на таджикском языке
  • продолжение таджикских текстов
  • создание черновиков на таджикской кириллице

Ограничения

Контекст модели ограничен 2048 токенами. В README приведена оценка perplexity на валидационной выборке, но не указаны результаты сравнительных тестов или ограничения по сценариям применения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🇹🇯 Tajik mGPT 1.3B

Language model for Tajik. Model has 1.3B parameters as you can guess from it's name.

Tajik belongs to Indo-European language family. It's a very fluid language with approximately 8.2 million speakers. Here are some facts about it:

  1. It is a variety of Persian spoken in Tajikistan and parts of Afghanistan.
  2. Unlike Persian in Iran, Tajik is written in the Cyrillic script due to Soviet influence.
  3. The Pamiri languages of Tajikistans Gorno-Badakhshan Autonomous Region are closely related to Tajik.

Technical details

It's one of the models derived from the base mGPT-XL (1.3B) model (see the list below) which was originally trained on the 61 languages from 25 language families using Wikipedia and C4 corpus.

We've found additional data for 23 languages most of which are considered as minor and decided to further tune the base model. Tajik mGPT 1.3B was trained for another 50000 steps with batch_size=4 and context window of 2048 tokens on 1 A100.

Final perplexity for this model on validation is 6.52.

Chart of the training loss and perplexity:

Other mGPT-1.3B models

Feedback

If you'll found a bug of have additional data to train model on your language — please, give us feedback.

Model will be improved over time. Stay tuned!

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
7c6ec91

0 моделей