Rugpt3large Based On Gpt2

🚀 rugpt3large_based_on_gpt2

このモデルは、ロシア語向けの事前学習済みTransformer言語モデルのファミリーの一つです。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 A Family of Pretrained Transformer Language Models for Russian で詳細に説明されています。

🚀 クイックスタート

このモデルは、SberDevices チームによって、transformersライブラリを使用して、シーケンス長1024で800億トークンに対して3エポックの事前学習が行われました。その後、シーケンス長2048で1エポックのファインチューニングが行われました。

1024コンテキストの場合、128台のGPUで約14日間の学習時間がかかり、2048コンテキストの場合、16台のGPUで数日間の学習時間がかかりました。テストセットでの最終的なパープレキシティは 13.6 です。

👥 著者

• NLPコアチームRnD Telegramチャンネル:
  • Dmitry Zmitrovich

📚 引用

このモデルを引用する場合は、以下のBibTeXエントリを使用してください。

@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}
}