/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Базовая модель
gpt_96
Опубликована
10 июл 2024

Ссылки

Hugging Face

gpt_108

gokulsrinivasagan
Генерация текстаТекст → текст3 профессии

Дообученная GPT-2 для генерации текста на корпусе книг и Википедии.

17скачиваний за 30 дней0лайковвеса обновлены15 июл 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

gpt_108 — дообученная модель семейства GPT-2, разработанная на основе gokulsrinivasagan/gpt_96. Она обучена на корпусе gokuls/wiki_book_corpus_complete_raw_dataset и предназначена для генерации текста. Архитектура — плотная GPT2LMHeadModel; контекст составляет 1024 токена, веса опубликованы в формате safetensors.

В карточке приведены результаты оценки на тестовой выборке: loss 3,1085 и accuracy 0,3822. Специализированные сценарии, языки обучения и известные ограничения не описаны. Модель распространяется по лицензии MIT.

Сценарии применения

  • генерация продолжения текста
  • создание черновиков на основе текстовой подсказки
  • эксперименты с генерацией текста GPT-2

Ограничения

Языки и специализированные ограничения модели в карточке не описаны; приведённые метрики оценки сами по себе не характеризуют качество для конкретных сценариев.

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 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gpt_108

This model is a fine-tuned version of gokulsrinivasagan/gpt_96 on the gokuls/wiki_book_corpus_complete_raw_dataset dataset. It achieves the following results on the evaluation set:

  • Loss: 3.1085
  • Accuracy: 0.3822

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: 1e-05
  • train_batch_size: 48
  • eval_batch_size: 48
  • seed: 10
  • distributed_type: multi-GPU
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 100

Training results

Framework versions

  • Transformers 4.42.0.dev0
  • Pytorch 2.2.2+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
GPT2LMHeadModel
Ревизия весов
75c2085

0 моделей

    Создать бенчмарк