Причинная модель GPT-2 для генерации текста с контекстом 512 токенов, связанная с экспериментом BabyLM и чередованием французского и греческого языков.
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
Модель nikitastheo/v5-babylm-25k-lower-fra-ell-sequential_interleaved — причинная языковая модель на архитектуре GPT-2, обученная автором репозитория с помощью скрипта train_clm.py на базе Hugging Face Accelerate. Она предназначена для генерации продолжения текста. Карточка связывает её с проектом BabyLM, а название указывает на обучение на нижнем регистре с последовательным чередованием французского и греческого языков.
Модель использует Transformers и хранится в формате safetensors; её контекст составляет 512 токенов. Описание не приводит сведения о размере модели, точных данных обучения или лицензии, поэтому эти характеристики нельзя уточнить.
Контекст ограничен 512 токенами; точные данные обучения и условия лицензии в доступных сведениях не раскрыты.
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-25k-fra-lower-tokenizerНа своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…