/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
454 млн
Лицензия
Apache 2.0
Архитектура
gpt_neox · dense
Базовая модель
pythia-410m-deduped
Опубликована
9 мая 2024

Ссылки

Hugging Face

pythia410m-sft-tldr

mnoukhov
Генерация текстаТекст → текст3 профессии

Дообученная GPT-NeoX-модель на 454,2 млн параметров для генерации и продолжения текста, возможно настроенная на TL;DR-суммаризацию.

481скачиваний за 30 дней0лайковвеса обновлены16 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

pythia410m-sft-tldr — дообученная модель для генерации текста, созданная на основе EleutherAI/pythia-410m-deduped. Она предназначена для продолжения текста и генерации ответов в сценариях, соответствующих данным дообучения; название указывает на возможную настройку для TL;DR-суммаризации, однако README не подтверждает конкретный набор данных или назначение. Модель построена на плотной архитектуре GPT-NeoX и содержит около 454,2 млн параметров. Максимальная длина контекста — 2048 токенов; веса опубликованы в формате safetensors.

README сообщает значение loss 2,5290 на оценочном наборе, но не описывает его состав и не приводит сравнительных результатов. Базовая модель охарактеризована как англоязычная, поэтому английский язык — наиболее обоснованное предположение о языке применения. Лицензия — Apache-2.0. Карточка не раскрывает данные дообучения, поэтому пригодность для конкретного вида суммаризации и качество на новых текстах требуют отдельной проверки.

Сценарии применения

  • генерация продолжения англоязычного текста
  • создание краткого пересказа текста в формате TL;DR
  • экспериментальная оценка небольшой GPT-NeoX-модели
  • прототипирование приложений генерации текста с контекстом до 2048 токенов

Ограничения

README не описывает набор данных дообучения и ограничения применения; соответствие модели задаче TL;DR нельзя подтвердить по карточке. Для базовой модели указана длина контекста 2048 токенов; качество для конкретных данных следует оценить отдельно.

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 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

pythia410m-sft-tldr

This model is a fine-tuned version of EleutherAI/pythia-410m-deduped on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 2.5290

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: 32
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • num_epochs: 1.0

Training results

Training LossEpochStepValidation Loss
2.67890.20071832.5844
2.57370.40133662.5528
2.54990.60205492.5367
2.52980.80267322.5290

Framework versions

  • Transformers 4.40.2
  • Pytorch 2.2.1+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
GPTNeoXForCausalLM
Ревизия весов
d7ede3b

0 моделей

    Создать бенчмарк