/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Базовая модель
gpt2
Опубликована
23 дек 2023

Ссылки

Hugging Face

gpt-expt-sp-v3-K-600-MA-Mac-actions-kmeans-v20

nikaashpuri
Генерация текстаТекст → текст3 профессии

Дообученная на основе GPT-2 модель для генерации текста с контекстом до 1024 токенов.

271скачиваний за 30 дней0лайковвеса обновлены23 дек 2023

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

nikaashpuri/gpt-expt-sp-v3-K-600-MA-Mac-actions-kmeans-v20 — дообученная автором модели на основе GPT-2 генеративная языковая модель. По метаданным, она использует архитектуру GPT2LMHeadModel, веса PyTorch и контекст до 1024 токенов; основной сценарий — генерация текста.

В карточке указано значение loss 0,0506 на оценочном наборе, однако обучающий набор обозначен как None, а сведения о назначении и данных обучения отсутствуют. Поэтому это значение не позволяет судить о качестве для конкретных задач. Модель опубликована по лицензии MIT.

Сценарии применения

  • генерация текста по заданному началу
  • эксперименты с дообучением GPT-2
  • оценка генеративной языковой модели на собственных примерах

Ограничения

В README не описаны целевое назначение, обучающие данные и ограничения применения; указанная оценка loss не раскрывает метрики и условия оценки. 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

gpt-expt-sp-v3-K-600-MA-Mac-actions-kmeans-v20

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

  • Loss: 0.0506

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: 0.0005
  • train_batch_size: 64
  • eval_batch_size: 64
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
0.18680.1850000.1545
0.1120.36100000.0991
0.09480.55150000.0856
0.0860.73200000.0796
0.08050.91250000.0742
0.07571.09300000.0712
0.0721.27350000.0677
0.06851.46400000.0645
0.06531.64450000.0617
0.06231.82500000.0592
0.05952.0550000.0569
0.0572.19600000.0549
0.05492.37650000.0532
0.05332.55700000.0518
0.05232.73750000.0509
0.05192.91800000.0506

Framework versions

  • Transformers 4.34.1
  • Pytorch 2.1.0+cu121
  • Datasets 2.14.7
  • Tokenizers 0.14.1

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
eb94ced

0 моделей

    Создать бенчмарк