GPT-2-модель для генерации текста с коротким контекстом, обученная для причинного языкового моделирования.
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/v6-mixed-25k-lower-shared-ewc30-deu-ell-sequential — языковая модель для генерации текста на базе архитектуры GPT-2. По карточке, она обучена скриптом train_clm.py для причинного языкового моделирования с использованием Hugging Face Accelerate. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers; длина контекста составляет 512 токенов.
Название модели указывает на обучение на смешанном наборе данных с немецким и греческим языками и на последовательную схему обучения, однако README не подтверждает подробности корпуса или методики. Модель подходит для генерации продолжений текста в пределах короткого контекста. Условия лицензии и размер модели в предоставленных данных не приведены.
Контекст ограничен 512 токенами. Подробности обучающих данных и лицензия в предоставленной карточке не описаны.
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-deu-lower-tokenizerНа своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…