/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
152 млн
Лицензия
Apache 2.0
Архитектура
gpt_neox · dense
Базовая модель
pythia-160m
Библиотека
transformers
Опубликована
18 ноя 2024

Ссылки

Hugging Face

pythia_160m_sft

koshirowada
Генерация текстаТекст → текст3 профессии

Небольшая GPT-NeoX-модель, дообученная на Alpaca Farm для генерации текста.

60скачиваний за 30 дней0лайковвеса обновлены18 ноя 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

koshirowada/pythia_160m_sft — дообученная модель генерации текста, созданная на основе EleutherAI/pythia-160m с использованием набора tatsu-lab/alpaca_farm. Это плотная GPT-NeoX-модель с 151,9 млн параметров, рассчитанная на контекст до 2048 токенов; для работы используется библиотека Transformers, веса представлены в формате safetensors. Модель может применяться для генерации продолжений и ответов в текстовых сценариях.

В карточке приведён результат оценки loss 1.9831, но подробности набора оценки, обучения и назначения отсутствуют. Базовая модель описана как англоязычная; лицензия репозитория — Apache-2.0.

Сценарии применения

  • генерация продолжения текста
  • эксперименты с небольшой языковой моделью
  • оценка поведения дообученной Pythia-модели

Ограничения

README не сообщает подробностей о предназначении, обучающих и оценочных данных или ограничениях; указано лишь значение loss 1.9831 без описания протокола оценки. Небольшой размер модели ограничивает её возможности по сравнению с крупными языковыми моделями.

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 015моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

pythia_160m_sft

This model is a fine-tuned version of EleutherAI/pythia-160m on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.9831

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: 2e-06
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 3
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
2.29350.08891002.1426
2.1530.17782002.0977
2.14320.26673002.0771
2.11310.35564002.0633
2.08850.44445002.0510
2.09560.53336002.0403
2.06470.62227002.0354
2.04980.71118002.0273
2.03170.89002.0202
2.02260.888910002.0150
1.9920.977811002.0114
1.96391.066712002.0088
1.93021.155613002.0051
1.93811.244414002.0028
1.95951.333315002.0009
1.93251.422216001.9998
1.94811.511117001.9981
1.95721.618001.9956
1.94561.688919001.9944
1.95651.777820001.9922
1.95071.866721001.9905
1.92471.955622001.9881
1.89982.044423001.9874
1.91022.133324001.9873
1.88422.222225001.9876
1.8762.311126001.9863
1.90012.427001.9856
1.87252.488928001.9859
1.8682.577829001.9845
1.88032.666730001.9844
1.90022.755631001.9838
1.89412.844432001.9839
1.85482.933333001.9831

Framework versions

  • Transformers 4.46.2
  • Pytorch 2.5.1+cu121
  • Datasets 3.1.0
  • Tokenizers 0.20.3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTNeoXForCausalLM
Ревизия весов
4693b60

0 моделей

    Создать бенчмарк