An ablation of OctoCoder released for research purposes. Generally use OctoCoder, which performs better. Steps: 80
Характеристики
- Контекст
- 8 192 токена
- Размер весов
- 31 ГБ
- Архитектура
- gpt_bigcode · dense
- Опубликована
- 12 июл 2023
Ссылки
starcoder-co-target
Исследовательская абляция OctoCoder на архитектуре GPTBigCode для экспериментов с генерацией текста.
248скачиваний за 30 дней2лайкавеса обновлены5 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
bigcode/starcoder-co-target — исследовательская абляция OctoCoder от BigCode, опубликованная для изучения влияния отдельных компонентов модели. Это плотная авторегрессионная языковая модель архитектуры GPTBigCodeForCausalLM для генерации текста; репозиторий содержит веса PyTorch, а длина контекста составляет 8192 токена. В карточке указано, что модель уступает OctoCoder и для обычного использования рекомендуется OctoCoder.
Модель предназначена для исследовательских экспериментов с генерацией текста и сравнительной оценки вариантов OctoCoder. Сведений о лицензии и поддерживаемых естественных языках в предоставленных данных нет.
Сценарии применения
- эксперименты с абляциями языковых моделей
- сравнение вариантов OctoCoder
- генерация текста в исследовательских экспериментах
Ограничения
В README отмечено, что модель показывает результаты хуже OctoCoder, который рекомендуется для обычного использования. Лицензия и поддерживаемые языки в предоставленных данных не указаны.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- GPTBigCodeForCausalLM
- Ревизия весов
- 6995462