Характеристики

Контекст: 2 048 токенов
Параметры: 1,2 млрд
Лицензия: Apache 2.0
Архитектура: gpt_neox · dense
Базовая модель: pythia1b-sft-tldr
Опубликована: 3 июл 2024

Ссылки

Hugging Face

pythia1b-rm-tldr6.9b

mnoukhov

Классификация текстаТекст → label3 профессии

Дообученная GPT-NeoX-модель на 1,2 млрд параметров для классификации текста.

29скачиваний за 30 дней0лайковвеса обновлены3 июл 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

mnoukhov/pythia1b-rm-tldr6.9b — модель классификации текста на базе архитектуры GPT-NeoX с 1,2 млрд параметров. Она дообучена на mnoukhov/pythia1b-sft-tldr; README сообщает о потере 0,4685 и точности 0,7693 на оценочном наборе, но не описывает его состав.

Модель предназначена для классификации текстовых входов. Метаданные указывают максимальный контекст 2048 токенов и формат весов safetensors. Репозиторий распространяется по лицензии Apache-2.0. Сведения о конкретных метках, обучающих данных и ограничениях применения не приведены.

Сценарии применения

классификация текстовых примеров
оценка текста классификатором

Ограничения

Не описаны обучающий и оценочный наборы, целевые метки и ограничения применения; приведённая точность относится только к неизвестному оценочному набору.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

pythia1b-rm-tldr6.9b

This model is a fine-tuned version of mnoukhov/pythia1b-sft-tldr on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.4685
Accuracy: 0.7693

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: 1e-05
train_batch_size: 4
eval_batch_size: 4
seed: 42
distributed_type: multi-GPU
num_devices: 4
gradient_accumulation_steps: 4
total_train_batch_size: 64
total_eval_batch_size: 16
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: cosine
num_epochs: 1
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.5365	0.2006	291	0.5420	0.7271
0.4521	0.4011	582	0.5034	0.7485
0.3994	0.6017	873	0.4893	0.7577
0.3596	0.8022	1164	0.4685	0.7693

Framework versions

Transformers 4.41.1
Pytorch 2.2.1+cu121
Datasets 2.19.0
Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: GPTNeoXForSequenceClassification
Ревизия весов: 4208682