Характеристики

Параметры: 157 млн
Лицензия: Apache 2.0
Архитектура: mt5 · dense
Базовая модель: mt5-small
Опубликована: 19 ноя 2023

Ссылки

md_mt5_1911_v16_deneme

Дообученная версия google/mt5-small для преобразования текста в текст с опубликованными метриками оценки, но без описания целевой задачи.

13скачиваний за 30 дней0лайковвеса обновлены19 ноя 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

Buseak/md_mt5_1911_v16_deneme — дообученная модель Buseak на базе google/mt5-small для преобразования текста в текст. Она построена на архитектуре mT5 и содержит 157,4 млн параметров; веса опубликованы в формате safetensors. В README приведены результаты оценки: loss 0,3865, BLEU 0,6474 и средняя длина генерации 18,7566 токена.

Карточка не описывает целевую задачу, обучающие данные, поддерживаемые языки или предполагаемые сценарии использования, поэтому назначение модели и качество для конкретных задач оценить нельзя. Модель распространяется по лицензии Apache-2.0.

Ограничения

README не сообщает целевую задачу и обучающие данные, а также не поясняет методику оценки; метрики нельзя уверенно интерпретировать для конкретного сценария.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.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

md_mt5_1911_v16_deneme

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: 0.3865
Bleu: 0.6474
Gen Len: 18.7566

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: 4
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 15

Training results

Training Loss	Epoch	Step	Validation Loss	Bleu	Gen Len
5.2266	1.0	1250	2.0508	0.8851	16.8074
1.9533	2.0	2500	1.1931	1.1725	18.8668
1.5627	3.0	3750	0.8881	0.6185	18.672
1.237	4.0	5000	0.7267	0.6301	18.7212
1.1021	5.0	6250	0.6370	0.6165	18.679
0.962	6.0	7500	0.5726	0.5885	18.7398
0.8972	7.0	8750	0.5235	0.6011	18.7622
0.8385	8.0	10000	0.4881	0.6087	18.761
0.7949	9.0	11250	0.4579	0.6185	18.7696
0.7482	10.0	12500	0.4342	0.6175	18.755
0.7304	11.0	13750	0.4159	0.631	18.7478
0.7009	12.0	15000	0.4029	0.6373	18.7532
0.6863	13.0	16250	0.3938	0.6434	18.7546
0.6841	14.0	17500	0.3882	0.6464	18.7512
0.6749	15.0	18750	0.3865	0.6474	18.7566

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu118
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

Нельзя запустить

У модели не указана задача.

Класс архитектуры: MT5ForConditionalGeneration
Ревизия весов: e82609b