/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
3,5 млрд
Размер весов
11,1 ГБ
Лицензия
Своя лицензия
Архитектура
opt · dense
Опубликована
12 сен 2022

Ссылки

Hugging Face

japanese-opt-2.7b

inarikami
Генерация текстаТекст → текст3 профессии

Дообученная на японской Википедии модель OPT для генерации и продолжения текста на японском языке.

117скачиваний за 30 дней0лайковвеса обновлены12 сен 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.

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

Japanese-opt-2.7b — дообученная модель генерации текста на базе facebook/opt-2.7b, созданная автором репозитория inarikami. Модель обучалась на японской Википедии и предназначена для продолжения и генерации текста на японском языке; в README приведён пример генерации по японскому началу фразы.

Это плотная авторегрессионная модель семейства OPT с архитектурой OPTForCausalLM и 3,5 млрд параметров. Нативная длина контекста — 2048 токенов. Модель находится в разработке; карточка не сообщает результатов оценки качества или подробных ограничений. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории модели и у правообладателей базовой модели.

Сценарии применения

  • генерация японского текста по короткой подсказке
  • продолжение японских фраз и абзацев
  • создание черновиков энциклопедического текста на японском

Ограничения

Автор обозначает модель как незавершённую; в карточке нет результатов оценки качества. Лицензия помечена как other, поэтому условия использования требуют уточнения.

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 385моделейIV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Japanese-opt-2.7b Model

Disclaimer: This model is a work in progress!

This model is a fine-tuned version of facebook/opt-2.7b on the japanese wikipedia dataset.

Quick start

from transformers import pipeline

generator = pipeline('text-generation', model="tensorcat/japanese-opt-2.7b" , device=0, use_fast=False)
generator("今日は", min_length=80, max_length=200, 
    do_sample=True, early_stopping=True, temperature=.98, top_k=50, top_p=1.0)

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: 5e-05
  • train_batch_size: 1
  • eval_batch_size: 1
  • distributed_type: multi-GPU
  • num_devices: 4
  • total_train_batch_size: 4
  • total_eval_batch_size: 4
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3.0

Training results

Framework versions

  • Pytorch 1.13.0+cu116

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
OPTForCausalLM
Ревизия весов
4163134

0 моделей

    Создать бенчмарк