Alphatable 1.5B

🚀 模型ID的模型卡片

这是一个🤗 Transformers模型的卡片，该模型已被推送至模型中心。此模型卡片是自动生成的，它能帮助你快速了解该模型的基本信息和使用方法。

🚀 快速开始

使用以下代码开始使用该模型：

# 此处应填入开始使用模型的代码，但原文未提供
[More Information Needed]

📚 详细文档

模型详情

模型描述

这是一张已发布在模型中心的🤗 Transformers模型的卡片，此卡片为自动生成。

• 开发者：[待补充更多信息]
• 资助方（可选）：[待补充更多信息]
• 共享方（可选）：[待补充更多信息]
• 模型类型：[待补充更多信息]
• 适用语言（自然语言处理）：[待补充更多信息]
• 许可证：[待补充更多信息]
• 微调基础模型（可选）：[待补充更多信息]

模型来源（可选）

• 仓库地址：[待补充更多信息]
• 论文（可选）：[待补充更多信息]
• 演示（可选）：[待补充更多信息]

使用场景

直接使用

[待补充更多信息]

下游使用（可选）

[待补充更多信息]

非预期使用

此部分讨论了模型的误用、恶意使用以及模型效果不佳的使用场景。 [待补充更多信息]

偏差、风险和局限性

此部分旨在传达技术和社会技术方面的局限性。 [待补充更多信息]

建议

用户（包括直接用户和下游用户）应了解该模型的风险、偏差和局限性。如需进一步建议，还需更多信息。

训练详情

训练数据

[待补充更多信息]

训练过程

预处理（可选）

[待补充更多信息]

训练超参数

• 训练机制：[待补充更多信息]

速度、规模、时间（可选）

[待补充更多信息]

评估

测试数据、因素和指标

测试数据

[待补充更多信息]

因素

[待补充更多信息]

指标

[待补充更多信息]

结果

[待补充更多信息]

总结

模型审查（可选）

[待补充更多信息]

环境影响

可以使用 Lacoste等人（2019） 提出的 机器学习影响计算器 来估算碳排放。

• 硬件类型：[待补充更多信息]
• 使用时长：[待补充更多信息]
• 云服务提供商：[待补充更多信息]
• 计算区域：[待补充更多信息]
• 碳排放量：[待补充更多信息]

技术规格（可选）

模型架构和目标

[待补充更多信息]

计算基础设施

硬件

[待补充更多信息]

软件

[待补充更多信息]

引用（可选）

BibTeX

[待补充更多信息]

APA

[待补充更多信息]

术语表（可选）

[待补充更多信息]

更多信息（可选）

[待补充更多信息]

模型卡片作者（可选）

[待补充更多信息]

模型卡片联系方式

[待补充更多信息]