GPT-Neo 1.3B

模型描述

GPT-Neo 1.3B 是一种使用EleutherAI对GPT-3架构进行复制设计的Transformer模型。GPT-Neo指的是模型的类别，而1.3B表示该预训练模型的参数数量。

训练数据

GPT-Neo 1.3B是在Pile上进行训练的，Pile是由EleutherAI为训练这个模型而创建的一个大规模策划数据集。

训练过程

该模型在Pile上进行了3800亿个令牌的训练，共362,000个步骤。它作为一个掩码自回归语言模型进行训练，使用了交叉熵损失。

预期用途和限制

这样，模型学习了英语的内部表示，可以用来提取对下游任务有用的特征。然而，该模型最擅长的是其预训练任务，即根据提示生成文本。

如何使用

您可以直接使用该模型进行文本生成。以下示例每次运行都会生成一个不同的序列：

>>> from transformers import pipeline
>>> generator = pipeline('text-generation', model='EleutherAI/gpt-neo-1.3B')
>>> generator("EleutherAI has", do_sample=True, min_length=50)

[{'generated_text': 'EleutherAI has made a commitment to create new software packages for each of its major clients and has'}]

限制和倾向

GPT-Neo是作为一个自回归语言模型进行训练的。这意味着其核心功能是输入一串文本并预测下一个标记。虽然语言模型广泛用于除此任务之外的其他任务，但在这项工作中还存在许多不确定因素。

GPT-Neo是在Pile上进行训练的，该数据集已知包含粗话、下流和其他令人讨厌的语言。根据您的用例，GPT-Neo可能会生成不符合社会规范的文本。有关Pile中偏见的详细分析，请参阅Pile论文的第5节和第6节。

与所有语言模型一样，很难预测GPT-Neo对特定提示的反应，可能会出现冒犯性内容而没有警告。我们建议在发布之前由人工进行内容审核或过滤，以便审查不良内容并提高结果的质量。

评估结果

语言推理

物理和科学推理

下游应用

待定

BibTeX条目和引用信息

要引用此模型，请使用以下内容

@software{gpt-neo,
  author       = {Black, Sid and
                  Leo, Gao and
                  Wang, Phil and
                  Leahy, Connor and
                  Biderman, Stella},
  title        = {{GPT-Neo: Large Scale Autoregressive Language 
                   Modeling with Mesh-Tensorflow}},
  month        = mar,
  year         = 2021,
  note         = {{If you use this software, please cite it using 
                   these metadata.}},
  publisher    = {Zenodo},
  version      = {1.0},
  doi          = {10.5281/zenodo.5297715},
  url          = {https://doi.org/10.5281/zenodo.5297715}
}

@article{gao2020pile,
  title={The Pile: An 800GB Dataset of Diverse Text for Language Modeling},
  author={Gao, Leo and Biderman, Stella and Black, Sid and Golding, Laurence and Hoppe, Travis and Foster, Charles and Phang, Jason and He, Horace and Thite, Anish and Nabeshima, Noa and others},
  journal={arXiv preprint arXiv:2101.00027},
  year={2020}
}