Авторегрессионная GPT-2-модель для генерации продолжения текста по контексту.
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 авторегрессионная языковая модель семейства GPT-2, опубликованная пользователем nikitastheo. По README модель обучена скриптом train_clm.py с использованием Hugging Face Accelerate для задачи causal language modeling; в метаданных указана архитектура GPT2LMHeadModel и библиотека Transformers. Модель предназначена для генерации продолжения текста по текстовому контексту, однако карточка не описывает конкретные сценарии или специализацию.
Модель принимает текст и генерирует текст. Её нативная длина контекста составляет 512 токенов; веса доступны в формате safetensors. README не сообщает размер модели, обучающие данные, поддерживаемые естественные языки или лицензию, поэтому эти характеристики не уточняются.
Контекст ограничен 512 токенами; карточка не описывает качество, обучающие данные и лицензию модели.
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).
configurations/gpt_base_config.jsonnikitastheo/goldfish-25k-ell-lower-seed43-tokenizerНа своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…