/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
gpt2 · dense
Опубликована
2 мар 2022

charlieykim

Генерация текстаТекст → текст3 профессии

GPT-2, дообученная на твитах Charlie Kim для генерации коротких текстов в похожем стиле.

81скачиваний за 30 дней0лайковвеса обновлены17 мар 2022

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

huggingtweets/charlieykim — генеративная языковая модель, созданная Борисом Дайма с помощью проекта huggingtweets. Это GPT-2 на PyTorch, дообученная на твитах Charlie Kim: в карточке указано 3 248 загруженных твитов, включая 234 ретвита. Модель принимает текстовый запрос и продолжает его, имитируя стиль обучающих публикаций; заявленная длина контекста — 1 024 токена.

Модель подходит для генерации коротких текстов в стиле исходных твитов и для экспериментов с персонализированной генерацией. Она унаследовала ограничения и смещения GPT-2, а содержание и особенности авторских твитов дополнительно влияют на результаты. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация твитов в стиле Charlie Kim
  • продолжение короткого текста по началу фразы
  • эксперименты с генерацией текста на основе публикаций пользователя

Ограничения

Унаследованы ограничения и смещения GPT-2; результаты также зависят от содержания и особенностей обучающих твитов. Модель обучена на ограниченной выборке из 3 248 твитов.

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

I was made with huggingtweets.

Create your own bot based on your favorite user with the demo!

How does it work?

The model uses the following pipeline.

pipeline

To understand how the model was developed, check the W&B report.

Training data

The model was trained on tweets from Charlie Kim.

DataCharlie Kim
Tweets downloaded3248
Retweets234
Short tweets29
Tweets kept2985

Explore the data, which is tracked with W&B artifacts at every step of the pipeline.

Training procedure

The model is based on a pre-trained GPT-2 which is fine-tuned on @charlieykim's tweets.

Hyperparameters and metrics are recorded in the W&B training run for full transparency and reproducibility.

At the end of training, the final model is logged and versioned.

How to use

You can use this model directly with a pipeline for text generation:

from transformers import pipeline
generator = pipeline('text-generation',
                     model='huggingtweets/charlieykim')
generator("My dream is", num_return_sequences=5)

Limitations and bias

The model suffers from the same limitations and bias as GPT-2.

In addition, the data present in the user's tweets further affects the text generated by the model.

About

Built by Boris Dayma

Follow

For more details, visit the project repository.

GitHub stars

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
c16e090

0 моделей