/ Модель

Характеристики

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

spell_corrector_mt5_01012024

Языковая модель

Дообученная на базе mT5-small модель для исправления орфографических ошибок в тексте.

7скачиваний за 30 дней0лайковвеса обновлены1 янв 2024

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 создал дообученную модель Buseak/spell_corrector_mt5_01012024 на базе многоязычной Google mT5-small. Модель предназначена для исправления орфографических ошибок: на вход подаётся текст, на выходе генерируется его исправленный вариант. Архитектура — MT5ForConditionalGeneration, размер — 157,4 млн параметров; веса опубликованы в формате Safetensors. Базовая mT5-small предназначена для многоязычных задач преобразования текста в текст.

В README приведены результаты оценки: loss 0,6800 и BLEU 31,1934. Датасет указан как None, поэтому сведения о тренировочных данных и охвате языков модели отсутствуют. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • исправление орфографических ошибок
  • автоматическая корректура текста
  • подготовка черновиков перед публикацией
  • исправление опечаток в пользовательском вводе

Ограничения

В README не раскрыты тренировочный датасет и языковой охват; приведённые метрики оценки не сопровождаются описанием набора данных или протокола.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

spell_corrector_mt5_01012024

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: 0.6800
  • Bleu: 31.1934
  • Gen Len: 15.8188

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

Training results

Training LossEpochStepValidation LossBleuGen Len
13.98651.09761.696515.434913.1848
2.83742.019521.246822.136815.9172
2.03333.029281.029125.157715.9044
1.74354.039040.905126.962815.9317
1.56875.048800.845328.206215.9029
1.44846.058560.800928.85515.8879
1.36277.068320.772229.387815.8645
1.31838.078080.746729.668615.8503
1.26699.087840.731530.069515.8451
1.232110.097600.716230.371515.8328
1.192811.0107360.699730.738515.8269
1.184812.0117120.693430.931415.8242
1.165813.0126880.688031.066215.8238
1.147614.0136640.682631.158515.8183
1.149615.0146400.680031.193415.8188

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.0+cu121
  • Datasets 2.16.1
  • 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
d29e56d

0 моделей