Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Базовая модель: t5-small
Библиотека: transformers
Опубликована: 19 янв 2025

Ссылки

Hugging Face

homeo-vet-1a

Arambh

Языковая модель

Дообученная на T5-small модель для генерации текста по текстовому вводу, назначение которой в карточке не раскрыто.

6скачиваний за 30 дней0лайковвеса обновлены19 янв 2025

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

Arambh разработал homeo-vet-1a — дообученную модель T5-small с 38,5 млн параметров для генерации текста по текстовому запросу. Карточка сообщает о дообучении на наборе данных, название которого указано как None; подробности о назначении модели и обучающих данных не приведены. Контекст модели составляет 512 токенов.

Модель использует архитектуру T5ForConditionalGeneration и библиотеку Transformers. В карточке приведён результат оценки: loss 11,4540, однако без описания набора и метода оценки его практическую значимость определить нельзя. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

Генерация текста по текстовой подсказке
Эксперименты с дообучением T5
Оценка генеративной модели в задачах преобразования текста

Ограничения

Карточка не описывает целевые задачи, обучающие данные и ограничения применения; указанная оценка loss без контекста не позволяет судить о качестве. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

homeo-vet-1a

This model is a fine-tuned version of t5-small on the None dataset. It achieves the following results on the evaluation set:

Loss: 11.4540

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: 8
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss
No log	1.0	10	14.1553
No log	2.0	20	12.0901
No log	3.0	30	11.4540

Framework versions

Transformers 4.47.1
Pytorch 2.5.1+cu121
Datasets 3.2.0
Tokenizers 0.21.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

У модели не указана задача.

Класс архитектуры: T5ForConditionalGeneration
Ревизия весов: 5133b52