/ Модель
Каталог

Характеристики

Контекст
1 000 токенов
Параметры
138 млн
Лицензия
MIT
Архитектура
gpt_neo · dense
Опубликована
15 апр 2023

Ссылки

Hugging Face

gptNeo_txtoarxml

sarahh23
Генерация текстаТекст → текст3 профессии

Дообученная GPT-Neo с 137,7 млн параметров для генерации текста с контекстом до 1000 токенов.

175скачиваний за 30 дней0лайковвеса обновлены15 апр 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

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.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

sarahh23/gptNeo_txtoarxml — дообученная модель семейства GPT-Neo, созданная на основе EleutherAI/gpt-neo-125M. Это плотная авторегрессионная языковая модель с 137,7 млн параметров, предназначенная для генерации текста. В метаданных указан контекст до 1000 токенов и формат PyTorch.

Карточка сообщает о дообучении на наборе данных, название которого не указано, и приводит значение loss 0,1482 на оценочной выборке. Специализированное назначение, поддерживаемые языки и дополнительные возможности не описаны; модель можно рассматривать для экспериментов и генерации текста в пределах её контекста. Лицензия — MIT.

Сценарии применения

  • генерация продолжения текста
  • эксперименты с компактной авторегрессионной языковой моделью
  • оценка генерации текста на собственных примерах

Ограничения

Назначение дообучения и состав обучающих данных не раскрыты; README не приводит подробностей об оценке, кроме значения loss 0,1482. Контекст ограничен 1000 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gptNeo_txtoarxml

This model is a fine-tuned version of EleutherAI/gpt-neo-125M on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1482

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0005
  • train_batch_size: 2
  • eval_batch_size: 1
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 1
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
0.06521.06790.1482

Framework versions

  • Transformers 4.27.4
  • Pytorch 1.13.0
  • Datasets 2.1.0
  • Tokenizers 0.13.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTNeoForCausalLM
Ревизия весов
46e6a80

0 моделей

    Создать бенчмарк