/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Базовая модель
distilgpt2
Опубликована
3 апр 2024

distilgpt2-finetuned-github_cybersecurity_READMEs

Генерация текстаТекст → текст3 профессии

Дообученная версия distilgpt2 для генерации текста, в названии которой заявлена тематика README GitHub-проектов по кибербезопасности.

123скачиваний за 30 дней0лайковвеса обновлены14 апр 2024

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.

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

Это языковая модель для генерации текста, созданная дообучением distilgpt2. В названии репозитория заявлена тематика README GitHub-проектов по кибербезопасности, однако карточка сообщает только о неизвестном наборе данных и не описывает специализацию подробнее.

Модель основана на плотной архитектуре GPT-2 и предназначена для продолжения текста. Контекст составляет 1024 токена; опубликованные веса доступны в формате safetensors. В карточке приведены значения loss 5,1579 и F1 0,0127 на оценочном наборе, но не описаны методика оценки и значение метрик для практического применения. Лицензия — Apache-2.0.

Сценарии применения

  • черновая генерация текста в тематике README проектов по кибербезопасности
  • продолжение коротких фрагментов технической документации
  • экспериментальная проверка генерации текста на базе DistilGPT-2

Ограничения

Набор данных для дообучения не описан, а приведённые метрики — loss 5,1579 и F1 0,0127 — не подтверждают пригодность для практических задач. Контекст ограничен 1024 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilgpt2-finetuned-github_cybersecurity_READMEs

This model is a fine-tuned version of distilgpt2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 5.1579
  • F1: 0.0127

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: 2e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 3

Training results

Training LossEpochStepValidation LossF1
6.18631.02325.87250.0142
5.72212.04645.46020.0131
5.48343.06965.15790.0127

Framework versions

  • Transformers 4.40.0.dev0
  • Pytorch 2.2.1+cu118
  • Datasets 2.18.0
  • Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
6791055

0 моделей