/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
8,3 млн
Архитектура
gpt_neo · dense
Опубликована
5 июн 2023

Ссылки

Hugging Face

TinyStories-wikitrain-3m-aws

exbow
Генерация текстаТекст → текст3 профессии

Компактная GPT-Neo-модель, дообученная на TinyStories-3M и предназначенная для генерации текста.

295скачиваний за 30 дней0лайковвеса обновлены5 июн 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.

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

TinyStories-wikitrain-3m-aws — компактная языковая модель семейства GPT-Neo, дообученная на основе roneneldan/TinyStories-3M. Репозиторий содержит веса PyTorch; модель насчитывает 8,3 млн параметров и поддерживает контекст до 2048 токенов.

Модель предназначена для генерации текста. README сообщает о значении loss 5,8104 на оценочном наборе, но не описывает состав обучающих и оценочных данных, целевые сценарии или качество ответов. Указан набор данных None, поэтому дополнительную специализацию модели установить нельзя.

Лицензия в предоставленных данных не указана. Из-за малого размера модели и отсутствия сведений о данных и оценке её результаты следует проверять для конкретной задачи.

Сценарии применения

  • генерация коротких текстовых продолжений
  • эксперименты с компактными языковыми моделями
  • изучение дообучения GPT-Neo

Ограничения

README не раскрывает обучающие данные, целевые сценарии и подробности оценки; приведено только значение loss 5,8104. Лицензия в предоставленных данных не указана.

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 385моделейII.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

TinyStories-wikitrain-3m-aws

This model is a fine-tuned version of roneneldan/TinyStories-3M on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 5.8104

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 LossEpochStepValidation Loss
6.02261.023346.0024
5.74862.046685.8493
5.66713.070025.8104

Framework versions

  • Transformers 4.30.0.dev0
  • Pytorch 1.13.1+cu117
  • 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

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTNeoForCausalLM
Ревизия весов
9b35812

0 моделей

    Создать бенчмарк