Rugpt3small Based On Gpt2

🚀 rugpt3small_based_on_gpt2

このモデルのアーキテクチャ設計、事前学習、評価については、我々のプレプリント論文 A Family of Pretrained Transformer Language Models for Russian で詳細に記載されています。

このモデルは、SberDevices チームによって、transformers を使用してシーケンス長 1024 で、約 3 エポック、800 億トークンで事前学習されました。その後、コンテキストサイズ 2048 でファインチューニングされました。

合計のトレーニング時間は、32 台の GPU で約 1 週間かかりました。

📚 ドキュメント

著者

• NLP core team RnD Telegramチャンネル:
  • Dmitry Zmitrovich

引用

@misc{zmitrovich2023family,
      title={A Family of Pretrained Transformer Language Models for Russian}, 
      author={Dmitry Zmitrovich and Alexander Abramov and Andrey Kalmykov and Maria Tikhonova and Ekaterina Taktasheva and Danil Astafurov and Mark Baushenko and Artem Snegirev and Tatiana Shavrina and Sergey Markov and Vladislav Mikhailov and Alena Fenogenova},
      year={2023},
      eprint={2309.10931},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}