/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
50,9 млн
Лицензия
Apache 2.0
Архитектура
gpt_neox · dense
Базовая модель
pythia-70m-deduped
Опубликована
24 сен 2023

Ссылки

Hugging Face

databricks-dolly-15k-pythia-70m-deduped-v1

vineetsharma
Генерация текстаТекст → текст3 профессии

Компактная дообученная модель GPT-NeoX на базе Pythia-70M для генерации продолжения текста.

97скачиваний за 30 дней0лайковвеса обновлены28 сен 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

vineetsharma подготовил дообученную версию EleutherAI/pythia-70m-deduped — компактной плотной авторегрессионной модели GPT-NeoX с 50,9 млн параметров. Модель принимает текст и генерирует его продолжение; максимальная длина контекста — 2048 токенов.

Модель дообучена на датасете, который в карточке не раскрыт. Для неё приведено значение loss 4,3063 на оценочном наборе, но подробности оценки отсутствуют. Базовая Pythia ориентирована на английский язык и исследования поведения языковых моделей; специальных прикладных областей для этой версии не заявлено.

Модель распространяется по лицензии Apache-2.0. Из-за малого размера и отсутствия сведений о целевом датасете и назначении качество ответов и пригодность для конкретных задач требуют отдельной оценки.

Сценарии применения

  • генерация коротких текстовых продолжений
  • эксперименты с компактными языковыми моделями
  • изучение влияния дообучения на генерацию текста

Ограничения

Модель содержит около 50,9 млн параметров, поэтому её возможности ограничены по сравнению с крупными языковыми моделями. Датасет дообучения и назначение версии не раскрыты, а приведённое значение loss не сопровождается подробностями методики оценки.

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

databricks-dolly-15k-pythia-70m-deduped-v1

This model is a fine-tuned version of EleutherAI/pythia-70m-deduped on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 4.3063

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: 0.001
  • 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
  • num_epochs: 10

Training results

Training LossEpochStepValidation Loss
5.86561.015014.6547
4.6092.030024.4454
4.17063.045034.3141
3.81244.060044.3063
3.49255.075054.3213
3.19276.090064.3806
2.92577.0105074.4425
2.68388.0120084.5654
2.46199.0135094.7032
2.282610.0150104.8537

Framework versions

  • Transformers 4.33.3
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.5
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTNeoXForCausalLM
Ревизия весов
4d3cb1f

0 моделей

    Создать бенчмарк