/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Опубликована
16 апр 2024

RDC-GPT

Генерация текстаТекст → текст3 профессии

Небольшая GPT-2-подобная модель для генерации текста и локального авторегрессионного вывода.

479скачиваний за 30 дней0лайковвеса обновлены16 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

zhouce/RDC-GPT — небольшая авторегрессионная языковая модель семейства GPT-2, опубликованная пользователем zhouce на Hugging Face. Она предназначена для генерации продолжений текста и запускается через Transformers как causal language model. В карточке Hugging Face указаны около 0,1 млрд параметров, архитектура GPT-2, формат Safetensors, контекст до 1024 токенов и лицензия Apache-2.0.

Модель относится к текстовой модальности и не предназначена для обработки изображений, аудио или видео. В стороннем проекте модель используется для семантического анализа признаков исполняемых файлов и обнаружения ransomware, однако это применение относится к интеграции проекта, а не к полноценно описанной карточке самой модели. Небольшой размер облегчает локальный запуск, но ограничивает качество, объём знаний и устойчивость генерации по сравнению с крупными языковыми моделями. Языки обучения и специализированные наборы данных надёжно не установлены.

Сценарии применения

  • генерация продолжения текстового промпта
  • локальное тестирование небольших языковых моделей
  • семантический анализ текстовых признаков исполняемых файлов
  • экспериментальные прототипы классификации киберугроз

Ограничения

Карточка модели не содержит подробного описания обучения, языков, датасета или оценки качества. Небольшой размер и контекст 1024 токена ограничивают сложность, длину и надёжность генерируемых ответов.

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

Автор не опубликовал карточку модели.

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
e0fae3a

0 моделей