Характеристики

Контекст: 2 048 токенов
Параметры: 71,6 млн
Архитектура: gpt_neo · dense
Опубликована: 1 июн 2023

Ссылки

Hugging Face

TinyStories-wikitrain-33m-ethan

exbow

Генерация текстаТекст → текст3 профессии

Компактная дообученная модель GPT-Neo для генерации текстовых продолжений на основе TinyStories-33M.

259скачиваний за 30 дней0лайковвеса обновлены1 июн 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

TinyStories-wikitrain-33m-ethan — дообученная модель генерации текста, созданная на основе roneneldan/TinyStories-33M. Она использует плотную архитектуру GPT-Neo и содержит 71,6 млн параметров; максимальный контекст составляет 2048 токенов.

Модель предназначена для генерации продолжений текста. Название указывает на связь с TinyStories и обучением на wikitrain, однако README не раскрывает состав обучающих данных, предполагаемые сценарии применения или результаты оценки, кроме значения loss 6,3716. Лицензия в предоставленных данных не указана.

Сценарии применения

генерация коротких историй
продолжение заданного текста
эксперименты с компактными языковыми моделями

Ограничения

В README не описаны обучающие данные и ограничения модели; на eval-наборе указан loss 6,3716, но без пояснений о метрике и настройке оценки. Лицензия не приведена в доступных данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TinyStories-wikitrain-33m-ethan

This model is a fine-tuned version of roneneldan/TinyStories-33M on the None dataset. It achieves the following results on the evaluation set:

Loss: 6.3716

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

Training results

Training Loss	Epoch	Step	Validation Loss
6.5842	1.0	2334	6.5360
6.4139	2.0	4668	6.4101
6.3566	3.0	7002	6.3716

Framework versions

Transformers 4.30.0.dev0
Pytorch 2.0.1+cu118
Datasets 2.12.0
Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен vLLM (квантизация), но архитектура GPTNeoForCausalLM ему неизвестна.

Класс архитектуры: GPTNeoForCausalLM
Ревизия весов: 0c2d0fd