/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
MIT
Архитектура
t5 · dense
Опубликована
23 дек 2023

pargraphs_titlesV1.1

Языковая модель3 профессии

Дообученная модель T5 для генерации текста с контекстом до 512 токенов.

9скачиваний за 30 дней0лайковвеса обновлены24 дек 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AhmedTaha012 разработал pargraphstitlesV1.1 — дообученную модель семейства T5 для генерации текста. В карточке указана версия с 123,8 млн параметров, архитектура T5ForConditionalGeneration и контекст до 512 токенов. Модель сохранена в формате Safetensors и распространяется по лицензии MIT.

README сообщает о дообучении и приводит метрики на наборе оценки: Loss 0,2229, ROUGE-1 84,2042, ROUGE-2 76,5359, ROUGE-L 84,1153 и ROUGE-Lsum 84,1486. Назначение, языки и состав данных не раскрыты, поэтому конкретные сценарии использования и качество генерации по этим результатам подтвердить нельзя.

Сценарии применения

  • генерация текста по текстовому запросу
  • эксперименты с дообучением T5
  • оценка генерации по метрикам ROUGE

Ограничения

Назначение модели, языки и обучающие данные в карточке не описаны. Указанные метрики оценки сами по себе не позволяют определить качество для конкретных задач.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

pargraphs_titlesV1.1

This model is a fine-tuned version of AhmedTaha012/pargraphs_titlesV1.1 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2229
  • Rouge1: 84.2042
  • Rouge2: 76.5359
  • Rougel: 84.1153
  • Rougelsum: 84.1486
  • Gen Len: 175797120.0

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 4
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 10
  • total_train_batch_size: 40
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 6
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossRouge1Rouge2RougelRougelsumGen Len
0.2720.99390.227284.159376.353684.081184.1075175797120.0
0.25152.0790.225783.986776.262683.909183.8999175797120.0
0.24812.991180.224284.078676.43684.001584.0158175797119.0
0.23644.01580.223284.19876.554384.121484.1279175797119.0
0.23694.991970.222984.242876.535984.161784.188175797120.0
0.23175.922340.222984.204276.535984.115384.1486175797120.0

Framework versions

  • Transformers 4.36.0
  • Pytorch 2.0.0
  • Datasets 2.1.0
  • Tokenizers 0.15.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
93fdca5

0 моделей