Экспериментальная GPT-2 языковая модель для генерации текста с контекстом до 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
Это причинная языковая модель GPT-2, обученная автором репозитория nikitastheo с помощью скрипта train_clm.py и Hugging Face Accelerate. Модель предназначена для генерации продолжения текста; карточка не описывает более специализированные пользовательские сценарии.
В метаданных указаны задача text-generation, архитектура GPT2LMHeadModel, библиотека Transformers, формат safetensors и контекст 512 токенов. Имя модели указывает на эксперимент BabyLM с нижним регистром, общим начальным seed и последовательным чередованием немецкого и греческого; README не уточняет параметры обучения, датасеты или оценку качества. Условия лицензии в доступных данных не приведены.
Контекст ограничен 512 токенами; README не сообщает результаты оценки качества или параметры модели. Лицензия в предоставленных данных не указана.
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-deu-lower-seed43-tokenizerНа своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…