/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
gpt2 · dense
Опубликована
20 июл 2023

gpt-wee-medium-curriculum

Генерация текстаТекст → текст3 профессии

Экспериментальная GPT-2-модель для генерации английского текста, обученная с упорядочиванием примеров по сложности в рамках BabyLM 2023.

321скачиваний за 30 дней0лайковвеса обновлены14 мар 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

Это языковая модель GPT-2, представленная командой CLAUSE из Билефельдского университета для соревнования BabyLM 2023. Модель обучена с простым подходом к curriculum learning: примеры упорядочивались по сложности на основе показателей, изучавшихся для речи, обращённой к детям.

Модель предназначена для генерации текста и экспериментов с обучением языковых моделей на ограниченных объёмах данных. Она использует архитектуру GPT-2, принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 1024 токена. В карточке указан набор данных nilq/babylm-10M.

Карточка не приводит оценки качества или подробностей о том, как подход с упорядочиванием данных влияет на результаты. Лицензия в доступных сведениях не указана.

Сценарии применения

  • генерация английского текста
  • эксперименты с curriculum learning для языковых моделей
  • исследование обучения на ограниченном объёме текстовых данных

Ограничения

Карточка не сообщает оценок качества или сравнительных результатов подхода. Контекст модели ограничен 1024 токенами.

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
  • GPT-2 model submitted by team CLAUSE Bielefeld to the BabyLM challenge 2023
  • implements a very naive curriculum learning approach inspired by usage-based linguistics: training examples are ordered according to complexity measures from research on child-directed speech (please consult paper for more info)

Citation:

@inproceedings{bunzeck-zarriess-2023-gpt,
    title = "{GPT}-wee: How Small Can a Small Language Model Really Get?",
    author = "Bunzeck, Bastian  and
      Zarrie{\ss}, Sina",
    editor = "Warstadt, Alex  and
      Mueller, Aaron  and
      Choshen, Leshem  and
      Wilcox, Ethan  and
      Zhuang, Chengxu  and
      Ciro, Juan  and
      Mosquera, Rafael  and
      Paranjabe, Bhargavi  and
      Williams, Adina  and
      Linzen, Tal  and
      Cotterell, Ryan",
    booktitle = "Proceedings of the BabyLM Challenge at the 27th Conference on Computational Natural Language Learning",
    month = dec,
    year = "2023",
    address = "Singapore",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2023.conll-babylm.2",
    doi = "10.18653/v1/2023.conll-babylm.2",
    pages = "35--46",
}

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
6b25043

0 моделей