Авторская GPT-2-модель для генерации текста с контекстом 512 токенов, связанная с экспериментом BabyLM и немецким и греческим языками.
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/v5-babylm-15k-lower-shared-deu-ell-sequential_interleaved — авторская причинно-языковая модель на архитектуре GPT-2, обученная разработчиком с помощью скрипта Hugging Face Accelerate train_clm.py. Она предназначена для генерации текста по заданному контексту. Контекст модели — 512 токенов; веса опубликованы в формате safetensors.
Название и README указывают на связь с серией BabyLM и обучающим набором объёмом 15 тысяч слов, с общим нижним регистром и последовательным чередованием немецкого и греческого языков. Карточка не описывает качество, конкретные сценарии применения или лицензию, поэтому эти характеристики нельзя оценить по доступным сведениям.
Контекст ограничен 512 токенами. В README не приведены оценки качества и условия 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_base_config.jsonnikitastheo/babylm-15k-deu-lower-tokenizerНа своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…