Причинная языковая модель GPT-2 для генерации и продолжения текста, связанная с экспериментами BabyLM.
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-small-ara-ell-sequential_interleaved — авторская модель генерации текста на архитектуре GPT-2, обученная как причинная языковая модель. В карточке указано, что обучение выполнялось скриптом train_clm.py с Hugging Face Accelerate.
Модель предназначена для продолжения текста и экспериментов с генерацией. Название указывает на связь с серией BabyLM и последовательным чередованием арабского и греческого языкового материала, однако карточка не уточняет размер модели, состав данных или качество на конкретных задачах. Контекст модели — 512 токенов; веса опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.
Контекст ограничен 512 токенами. В карточке нет сведений о качестве, обучающих данных и лицензии.
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_small_config.jsonnikitastheo/babylm-ara-tokenizerНа своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…