Экспериментальная причинная GPT-2-модель для генерации текста с контекстом 512 токенов.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
nikitastheo/v2-babylm-deu-ell-sequential_interleaved — причинная языковая модель на архитектуре GPT-2, обученная автором репозитория с помощью скрипта train_clm.py и Hugging Face Accelerate. Модель предназначена для генерации текста; её контекст составляет 512 токенов, веса сохранены в формате safetensors.
Название указывает на связь с экспериментами BabyLM и последовательным чередованием немецкого и греческого языков, однако README не раскрывает обучающие данные, языковые характеристики или результаты оценки. Модель создана недавно и выглядит как экспериментальный чекпойнт; сведений о лицензии в предоставленных источниках нет.
README не сообщает результаты оценки, обучающие данные и лицензию; название предполагает немецко-греческий фокус, но фактическая языковая поддержка не подтверждена. Контекст ограничен 512 токенами.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Trained with train_clm.py, a Hugging Face Accelerate causal-LM training script (no Trainer).
model_configs/gpt_base_config.jsonnikitastheo/babylm-deu-tokenizerНа своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…