/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
10 авг 2024

ell_grek_1000mb

Генерация текстаТекст → текст3 профессии

GPT-2-модель Goldfish для генерации текста на современном греческом языке в греческой письменности.

158скачиваний за 30 дней0лайковвеса обновлены26 авг 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.

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

Goldfish ell_grek_1000mb — авторегрессионная языковая модель на базе GPT-2, обученная командой Goldfish для современного греческого языка в греческой письменности. Модель содержит около 125 млн параметров, имеет словарь размером 50 000 токенов и максимальную длину последовательности 512 токенов. Для обучения использован корпус OSCAR 2021/09; объём данных с поправкой на различия в числе UTF-8 байтов составил около 1 ГБ.

Модель предназначена для генерации текста на современном греческом и сравнительного изучения языковых моделей для разных языков, в том числе малоресурсных. Она не рассчитана на сопоставление по качеству с современными крупными языковыми моделями для языков с большим объёмом ресурсов. Для лучших результатов к входной последовательности рекомендуется добавлять токен [CLS]. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0.

Сценарии применения

  • генерация текста на современном греческом языке
  • продолжение греческого текста
  • эксперименты с монолингвальными языковыми моделями
  • сравнение моделей для разных языков

Ограничения

Модель имеет контекстное окно 512 токенов и не рассчитана на качество современных крупных языковых моделей для языков с большим объёмом ресурсов. Для лучших результатов рекомендуется добавлять [CLS] в начало входной последовательности.

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

ell_grek_1000mb

Goldfish is a suite of monolingual language models trained for 350 languages. This model is the Modern Greek (Greek script) model trained on 1000MB of data, after accounting for an estimated byte premium of 1.97; content-matched text in Modern Greek takes on average 1.97x as many UTF-8 bytes to encode as English. The Goldfish models are trained primarily for comparability across languages and for low-resource languages; Goldfish performance for high-resource languages is not designed to be comparable with modern large language models (LLMs).

Note: This language is available in Goldfish with other scripts (writing systems). See: ell_latn.

Note: ell_grek is an individual language code. It is not contained in any macrolanguage codes contained in Goldfish (for script grek).

All training and hyperparameter details are in our paper, Goldfish: Monolingual Language Models for 350 Languages (Chang et al., 2024).

Training code and sample usage: https://github.com/tylerachang/goldfish

Sample usage also in this Google Colab: link

Model details:

To access all Goldfish model details programmatically, see https://github.com/tylerachang/goldfish/blob/main/model_details.json. All models are trained with a [CLS] (same as [BOS]) token prepended, and a [SEP] (same as [EOS]) token separating sequences. For best results, make sure that [CLS] is prepended to your input sequence (see sample usage linked above)! Details for this model specifically:

  • Architecture: gpt2
  • Parameters: 124770816
  • Maximum sequence length: 512 tokens
  • Training text data (raw): 1967.26MB
  • Training text data (byte premium scaled): 1000.005MB
  • Training tokens: 238704128 (x10 epochs)
  • Vocabulary size: 50000
  • Compute cost: 1.218293434810368e+18 FLOPs or ~115.2 NVIDIA A6000 GPU hours

Training datasets (percentages prior to deduplication):

Citation

If you use this model, please cite:

@article{chang-etal-2024-goldfish,
  title={Goldfish: Monolingual Language Models for 350 Languages},
  author={Chang, Tyler A. and Arnett, Catherine and Tu, Zhuowen and Bergen, Benjamin K.},
  journal={Preprint},
  year={2024},
  url={https://www.arxiv.org/abs/2408.10441},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
dae3da0

0 моделей