/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Базовая модель
distilgpt2
Опубликована
3 апр 2024

symptom-check-april-3

Генерация текстаТекст → текст3 профессии

Дообученная DistilGPT-2 для генерации текста с возможной тематикой проверки симптомов, не подтверждённой описанием модели.

13скачиваний за 30 дней0лайковвеса обновлены3 апр 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.

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

symptom-check-april-3 — дообученная модель DistilGPT-2, разработчик — akhileshav8. Она предназначена для генерации текста; название указывает на возможное применение для проверки симптомов, но README не подтверждает это назначение и не описывает обучающие данные. Модель использует архитектуру GPT-2 и формат safetensors, максимальная длина контекста — 1024 токена. В карточке приведено значение loss 0,6371 на наборе оценки, однако подробности оценки отсутствуют. Лицензия — Apache-2.0.

Сценарии применения

  • генерация текста на основе текстового запроса
  • экспериментальная генерация ответов о симптомах

Ограничения

Обучающий набор данных и предполагаемое применение не описаны, поэтому пригодность для медицинских рекомендаций не подтверждена. Данных об оценке качества, кроме значения loss, недостаточно.

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

symptom-check-april-3

This model is a fine-tuned version of distilgpt2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6371

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: 2e-05
  • train_batch_size: 64
  • eval_batch_size: 64
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 10

Training results

Training LossEpochStepValidation Loss
1.43941.09250.8613
0.88972.018500.7525
0.79713.027750.7043
0.75054.037000.6795
0.72535.046250.6628
0.70796.055500.6519
0.69997.064750.6450
0.6928.074000.6404
0.68599.083250.6379
0.682110.092500.6371

Framework versions

  • Transformers 4.38.2
  • Pytorch 2.2.1+cu121
  • Datasets 2.18.0
  • Tokenizers 0.15.2

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
e157222

0 моделей