/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
50,9 млн
Лицензия
Apache 2.0
Архитектура
gpt_neox · dense
Базовая модель
pythia-70m
Опубликована
25 апр 2024

Ссылки

Hugging Face

Etluther-Code-finetuned

elinaparajuli
Генерация текстаТекст → текст3 профессии

Небольшая дообученная GPT-NeoX-модель для генерации продолжений текста, вероятно ориентированная на код.

20скачиваний за 30 дней0лайковвеса обновлены25 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.

Открыть конструктор бенчмарка

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

Etluther-Code-finetuned — дообученная модель генерации текста на базе EleutherAI/pythia-70m, опубликованная пользователем elinaparajuli. Она использует архитектуру GPT-NeoX и предназначена для продолжения текста; название указывает на ориентацию на код, однако README не описывает её сценарии и обучение подробнее. Модель содержит 50,9 млн параметров, принимает текстовый контекст длиной до 2048 токенов и выдаёт текст. В README приведено значение loss 2,0612 на наборе оценки, но данных для вывода о качестве на конкретных задачах нет. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжения текстового фрагмента
  • эксперименты с генерацией кода
  • прототипирование небольшой языковой модели

Ограничения

Датасет и предполагаемое применение не описаны, поэтому специализация на коде следует только из названия модели. В README указано значение loss 2,0612, но не приведены подробности оценки или сравнительные результаты.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Etluther-Code-finetuned

This model is a fine-tuned version of EleutherAI/pythia-70m on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 2.0612

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: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3.0

Training results

Training LossEpochStepValidation Loss
2.0661.021742.1421
1.82912.043482.0786
1.66153.065222.0612

Framework versions

  • Transformers 4.40.0
  • Pytorch 2.2.1+cu121
  • Datasets 2.19.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTNeoXForCausalLM
Ревизия весов
d4a9a32

0 моделей

    Создать бенчмарк