Общая производительность shibing624/chatglm3-6b-csc-chinese-lora в тесте CSC:在CSC-测试集上生成结果纠错准确率高, 由于是基于THUDM/chatglm 3-6b: 模型, 结果常常能带给人惊喜, 不仅能纠错, 还带有句子润色和改写功能。 В первую очередь, вы передайте свои данные через модель преобразователя, затем вы получите сгенерированное предложение. — количество эпох: 5 — размер пакета для каждого устройства: 6 — скорость обучения: 2e-05 — лучшие шаги: 25100 — потери поезда: 0,0834 — lrschedulertype: линейный — базовая модель: THUDM/chatglm3-6b — шаги разминки: 50 — «savestrategy»: «шаги» — «сохранения шагов»: 500 — «savetotallimit»: 10 — «bf16»: false — «fp16»: true — «optim»: «adamwtorch» — «ddpfindunusedparameters»: false — «gradientcheckpointing»: true — maxseqlength: 512 — maxlength: 512 — Prompttemplatename: vicuna — 6 * V100 32 ГБ, обучение 48 часов -中文拼写纠错数据集: https://huggingface.co/datasets/shibing624/CSC — 中文语法纠错数据集: https://github.com/shibing624/pycorrector/tree/llm/examples/data/grammar — Поддержка GPT4: https://huggingface.co/datasets/shibing624/sharegpt_gpt4
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: shibing624
Теги: peft, chatglm, Text-Generation, zh
Лайков: 41 | Загрузок: 8
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
