/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Базовая модель
gpt2
Опубликована
22 мая 2024

Ссылки

Hugging Face

gpt2-finetuned

mNLP-project
Генерация текстаТекст → текст3 профессии

Дообученная англоязычная GPT-2 для генерации продолжения текста по промпту.

10скачиваний за 30 дней0лайковвеса обновлены23 мая 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

mNLP-project/gpt2-finetuned — дообученная модель авторегрессионной архитектуры GPT-2 на базе openai-community/gpt2. Она предназначена для генерации продолжения текста по текстовому промпту; модель компактная и ориентирована на английский язык. Максимальная длина контекста составляет 1024 токена, веса опубликованы в формате safetensors. В README приведены результаты оценки: loss 1,6944, BLEU 0,0294 и значения BERTScore; описание обучающих данных обозначено как None, поэтому область специализации и качество для конкретных сценариев определить нельзя. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • генерация продолжения английского текста
  • создание черновиков текста по короткому промпту
  • эксперименты с дообучением GPT-2
  • оценка генеративных моделей на текстовых наборах

Ограничения

Данные обучения обозначены в README как None, поэтому специализация модели неясна; приведённые значения BLEU и BERTScore низкие. Контекст ограничен 1024 токенами.

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

gpt2-finetuned

This model is a fine-tuned version of openai-community/gpt2 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.6944
  • Bleu: 0.0294
  • Bertscore Precision: 0.1536
  • Bertscore Recall: 0.1658
  • Bertscore F1: 0.1592

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: 3e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 20

Training results

Training LossEpochStepValidation LossBleuBertscore PrecisionBertscore RecallBertscore F1
4.7161.057503.44130.01120.14170.15750.1489
4.59162.0115003.23720.01190.14240.15830.1496
4.3253.0172503.05340.01280.14300.15870.1501
4.16264.0230002.90610.01360.14330.15920.1505
4.02555.0287502.75540.01480.14380.15990.1511
3.8626.0345002.61850.03460.14460.16050.1518
3.73677.0402502.49450.02860.14560.16110.1527
3.79078.0460002.37990.04010.14880.16170.1548
3.51819.0517502.27040.06070.14900.16230.1551
3.337710.0575002.17100.08040.14980.16270.1558
3.29411.0632502.08760.02210.15120.16330.1568
3.161212.0690002.00040.02340.15160.16370.1572
3.125713.0747501.93560.02440.15180.16420.1575
3.134714.0805001.87690.02570.15250.16460.1581
2.809415.0862501.82100.02680.15270.16490.1584
2.851916.0920001.77760.02750.15300.16520.1587
2.78217.0977501.74380.02820.15320.16540.1589
2.909718.01035001.71830.02890.15350.16570.1591
2.88119.01092501.69990.02930.15360.16580.1592
2.630220.01150001.69440.02940.15360.16580.1592

Framework versions

  • Transformers 4.40.2
  • Pytorch 2.3.0+cu121
  • Datasets 2.19.1
  • Tokenizers 0.19.1

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
ffc594f

0 моделей

    Создать бенчмарк