/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Опубликована
9 авг 2023

vietnamese-gpt2-base

Генерация текстаТекст → текст3 профессии

Предварительно обученная GPT-2 с 137 млн параметров для продолжения текста на вьетнамском языке.

223скачиваний за 30 дней1лайквеса обновлены9 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

Это предварительно обученная на вьетнамском языке авторегрессионная модель генерации текста на архитектуре GPT-2, опубликованная chronopt-research. Вариант base содержит 137 млн параметров и обучен методом причинного языкового моделирования: по предшествующему тексту модель предсказывает следующие токены. В репозитории доступны веса PyTorch и Flax.

Модель предназначена для продолжения вьетнамского текста и может служить базой для дальнейшей адаптации под задачи генерации. Для предобучения использована смесь вьетнамских новостных текстов, Wikipedia и других корпусов, включая данные о COVID-19. Контекст модели составляет 1024 токена. Лицензия — Apache-2.0.

Сценарии применения

  • Продолжение вьетнамских текстов по заданному началу
  • Генерация черновиков вьетнамских новостных материалов
  • Создание вьетнамского текста на основе тематического фрагмента
  • Дообучение базовой языковой модели для прикладной генерации на вьетнамском

Ограничения

Контекст ограничен 1024 токенами. Модель описана как базовая предобученная версия, поэтому качество инструкционного диалога и специализированных задач без дополнительной адаптации не заявлено.

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

Vietnamese gpt2-base

This is a pretrained gpt2-base for Vietnamese language using casual language modeling (CLM) objective. It was introduced in this paper and first released at this page.

Model Description

GPT-2 (at first) is a transformers model pretrained on a very large corpus of English data in a self-supervised fashion. This means it was pretrained on the raw texts only, with no humans labelling them in any way (which is why it can use lots of publicly available data) with an automatic process to generate inputs and labels from those texts. More precisely, it was trained to guess the next word in sentences.

This is the base version of GPT-2, with 137M parameters.

You could've found other pretrained version from here: gpt2-medium, gpt2-large

Dataset used for pretraining

This is a combination of multiple Vietnamese dataset for pretraining CLMs such as GPT, GPT2, etc.

The dataset consists of:

You can find out the combined version here: duongttr/vi-dataset-for-pretrain

Hyperparamters & Results

We trained the model ~100k steps, with lr=1e-4, bs=2560 (single_batch_size=32 * num_core=8 * grad_cum=10), optimizer=adamw on TPU-VM-3.8 from TRC Program. The training costs around 1 day.

ModelEval LossEval Perplexity
gpt2-base3.93951.35
gpt2-medium2.867617.5948
gpt2-large--

Contacts

Feel free to contact us via: email

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
8f9e41e

0 моделей