/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
12 июл 2024

gpt2_1558M_final4_hf

Генерация текстаТекст → текст3 профессии

GPT‑2, обученная на FineWeb‑EDU, генерирует продолжение текста и подходит для экспериментов с языковым моделированием.

385скачиваний за 30 дней12лайковвеса обновлены12 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.

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

Это модель GPT‑2, обученная Андреем Карпати с помощью llm.c на корпусе FineWeb‑EDU. Обучение продолжалось 330 тысяч шагов с размером пакета в один миллион токенов; модель использует архитектуру GPT2LMHeadModel и формат safetensors.

Модель предназначена для генерации текста и продолжения заданных текстовых фрагментов. Её можно применять для экспериментов с языковым моделированием и оценки способности модели продолжать текст; в README также указана оценка 62,7 на HellaSwag. Контекст составляет 1024 токена.

Во время обучения исходный запуск стал нестабильным примерно на 330 тысячах шагов, поэтому автор вернулся к чекпойнту на 300 тысячах шагов и провёл линейное снижение скорости обучения до финальной версии. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация продолжения текста по заданному фрагменту
  • создание связного текста для экспериментов
  • проверка поведения GPT‑2 на языковых запросах
  • оценка способности языковой модели продолжать текст

Ограничения

Контекст модели ограничен 1024 токенами. Обучение было нестабильным на позднем этапе; README не приводит сравнительных оценок качества, кроме результата 62,7 на HellaSwag.

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

This is a GPT-2 model trained in llm.c for 330K steps (of 1M batch size) on FineWeb-EDU.

A lot more detailed information is here: https://github.com/karpathy/llm.c/discussions/677 .

This model has a bit of a complicated history. I wanted to train it for 400K steps, i.e. (-x 400000), but it became unstable later in training and exploded around step 330K. Because I was losing my computing quota shortly, I decided to just rewind back to checkpoint 300K, and then instead of going all the way to 400K I started annealing linearly down to 330K. This went without incident and produced this model.

This is the longest I've trained a GPT-2 model for, and it reaches HellaSwag of 62.7 by the end.

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
2a1c4bc

0 моделей