/ Модель
Каталог

Характеристики

Параметры
157 млн
Лицензия
Apache 2.0
Архитектура
mt5 · dense
Базовая модель
mt5-small
Опубликована
17 янв 2024

Ссылки

Hugging Face

mt5-small-finetuned-cnn-dailymail-en_nlp-course-chapter7-section4

BanUrsus
СуммаризацияТекст → текст3 профессии

Дообученная на англоязычных новостных статьях CNN/DailyMail компактная модель mT5 для автоматической суммаризации.

177скачиваний за 30 дней0лайковвеса обновлены18 янв 2024

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Это компактная модель семейства mT5, разработанная на основе google/mt5-small и дообученная для суммаризации текстов на наборе CNN/DailyMail в рамках курса по NLP. Модель содержит 157,4 млн параметров и использует архитектуру MT5ForConditionalGeneration; формат весов — safetensors.

Модель предназначена для создания краткого пересказа англоязычных новостных статей. В README приведены метрики оценки: ROUGE-1 33,11, ROUGE-2 17,22, ROUGE-L 29,29 и ROUGE-Lsum 31,06. Базовая mT5 является многоязычной, однако это дообучение ориентировано на англоязычные данные CNN/DailyMail, поэтому качество на других языках не подтверждено.

Модель распространяется по лицензии Apache-2.0. README не содержит подробностей о применении и ограничениях; результаты оценки приведены для указанного набора данных и не гарантируют качество на других типах текстов.

Сценарии применения

  • составление краткого пересказа англоязычной новостной статьи
  • подготовка кратких сводок новостных материалов
  • сокращение длинных англоязычных статей для быстрого чтения

Ограничения

Дообучение ориентировано на англоязычные новости CNN/DailyMail, поэтому качество на других языках и типах текстов не подтверждено. Приведённые метрики оценки не гарантируют качество на данных, отличающихся от оценочного набора.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mt5-small-finetuned-cnn-dailymail-en_nlp-course-chapter7-section4

This model is a fine-tuned version of google/mt5-small on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.6856
  • Rouge1: 33.1062
  • Rouge2: 17.2193
  • Rougel: 29.2904
  • Rougelsum: 31.0641

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: 5.6e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 8

Training results

Training LossEpochStepValidation LossRouge1Rouge2RougelRougelsum
2.56431.0358901.883232.049516.216828.296630.0297
2.20432.0717801.791332.394216.608428.601530.3686
2.10593.01076701.754532.522616.798428.828530.5446
2.04534.01435601.731132.474616.754828.754430.4887
2.00335.01794501.709933.101117.283629.335531.0773
1.97216.02153401.697033.095517.186629.263931.0288
1.95017.02512301.691533.242817.331829.419131.1813
1.93558.02871201.685633.106217.219329.290431.0641

Framework versions

  • Transformers 4.35.2
  • Pytorch 1.11.0+cu102
  • Datasets 2.15.0
  • Tokenizers 0.15.0

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MT5ForConditionalGeneration
Ревизия весов
279e2c2

0 моделей

    Создать бенчмарк