/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Библиотека
transformers
Опубликована
29 янв 2025

Ссылки

Hugging Face

receipt-core-model

DanSarm
Языковая модель3 профессии

Дообученная модель T5 на 123,8 млн параметров, связанная с обработкой чеков, но без описания конкретных задач.

9скачиваний за 30 дней0лайковвеса обновлены25 мар 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

DanSarm/receipt-core-model — дообученная текстовая модель семейства T5 для генерации текста по текстовому запросу. В репозитории указаны 123,8 млн параметров, контекст до 512 токенов и формат safetensors; модель использует архитектуру T5ForConditionalGeneration и библиотеку Transformers.

Карточка связывает модель с обработкой чеков, однако не описывает её назначение, обучающие данные или конкретные сценарии. Поэтому практические задачи и качество нельзя определить по доступным сведениям. Лицензия — Apache-2.0.

Ограничения

README не раскрывает целевую задачу, обучающие данные и ограничения применения; результат оценки указан как loss 1.3520 без описания набора и методики.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

receipt-core-model

This model is a fine-tuned version of DanSarm/receipt-core-model on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.3520

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: 0.0001
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • optimizer: Use 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: 1000

Training results

Training LossEpochStepValidation Loss
0.13491.0430.7831
0.09762.0860.8651
0.07933.01290.8480
0.06624.01720.8880
0.05615.02150.9050
0.04886.02580.8659
0.04597.03010.9210
0.0388.03440.9130
0.03549.03870.9550
0.033410.04300.9398
0.028711.04731.0235
0.025812.05161.0059
0.023513.05590.9962
0.022614.06020.9741
0.018715.06451.0120
0.017516.06881.0367
0.015917.07311.0202
0.013718.07741.0062
0.013119.08171.0746
0.013120.08601.0623
0.013121.09031.0193
0.00922.09461.0044
0.008423.09891.0516
0.007524.010321.0447
0.008125.010751.0559
0.007326.011181.0533
0.00727.011611.0439
0.006428.012041.0729
0.005829.012471.0625
0.005130.012901.0582
0.006731.013331.0922
0.006132.013761.1204
0.005233.014191.1241
0.004434.014621.0950
0.00535.015051.1386
0.004336.015481.0973
0.003837.015911.1214
0.002938.016341.1272
0.002539.016771.1196
0.002740.017201.1154
0.002541.017631.1367
0.002142.018061.1177
0.002343.018491.1195
0.002344.018921.1280
0.00345.019351.0984
0.003446.019781.0901
0.002547.020211.1039
0.002648.020641.1108
0.001549.021071.0975
0.002150.021501.0973
0.002351.021931.1343
0.00252.022361.1527
0.001653.022791.1626
0.001754.023221.1769
0.002655.023651.1788
0.001456.024081.2070
0.001257.024511.2130
0.001358.024941.2137
0.001559.025371.2164
0.001360.025801.2188
0.001261.026231.2049
0.002562.026661.1843
0.00263.027091.2177
0.002164.027521.2391
0.001465.027951.2096
0.001866.028381.1870
0.00167.028811.2115
0.001568.029241.2027
0.001169.029671.2227
0.00170.030101.2219
0.001571.030531.2032
0.001472.030961.2110
0.001273.031391.2441
0.000974.031821.2474
0.000775.032251.2519
0.001476.032681.1549
0.001177.033111.1833
0.000878.033541.1899
0.001979.033971.1853
0.000880.034401.1866
0.001681.034831.1632
0.00182.035261.1785
0.00283.035691.1984
0.001184.036121.1579
0.001285.036551.1529
0.001786.036981.0932
0.001387.037411.1527
0.000888.037841.1480
0.000789.038271.1494
0.001590.038701.1555
0.000791.039131.1515
0.00192.039561.1595
0.000993.039991.2398
0.001194.040421.2552
0.001995.040851.2278
0.001596.041281.2063
0.001397.041711.2273
0.00198.042141.2248
0.00199.042571.2211
0.0009100.043001.2223
0.0012101.043431.2130
0.001102.043861.1942
0.0012103.044291.2017
0.0012104.044721.2198
0.0033105.045151.2088
0.0016106.045581.1952
0.0009107.046011.2180
0.0008108.046441.2303
0.001109.046871.2111
0.0021110.047301.1927
0.0011111.047731.1703
0.0009112.048161.2165
0.0007113.048591.2007
0.0004114.049021.2118
0.0007115.049451.2210
0.0006116.049881.2366
0.0009117.050311.2482
0.0004118.050741.2565
0.0004119.051171.2601
0.0013120.051601.2343
0.0018121.052031.2438
0.0015122.052461.2380
0.0014123.052891.2258
0.0007124.053321.2381
0.0008125.053751.2372
0.0004126.054181.2739
0.0006127.054611.2874
0.001128.055041.2896
0.0005129.055471.3074
0.0011130.055901.2632
0.0009131.056331.2769
0.0009132.056761.2940
0.0006133.057191.2697
0.0008134.057621.2769
0.0004135.058051.2793
0.0003136.058481.2738
0.0003137.058911.2841
0.0003138.059341.2879
0.0003139.059771.2734
0.0005140.060201.2578
0.0003141.060631.2664
0.0002142.061061.2691
0.0003143.061491.2690
0.0002144.061921.2734
0.0002145.062351.2947
0.0003146.062781.3135
0.0002147.063211.3170
0.0006148.063641.3229
0.0005149.064071.3118
0.001150.064501.2621
0.0006151.064931.2917
0.0014152.065361.3051
0.0011153.065791.3440
0.0011154.066221.2875
0.0013155.066651.2932
0.0014156.067081.2724
0.0011157.067511.2661
0.0014158.067941.2663
0.0019159.068371.2867
0.001160.068801.3195
0.0007161.069231.3343
0.0005162.069661.3678
0.0005163.070091.3497
0.0006164.070521.3562
0.0004165.070951.3314
0.0004166.071381.3336
0.0003167.071811.3237
0.0007168.072241.3320
0.0009169.072671.3330
0.0003170.073101.3295
0.0005171.073531.3612
0.0003172.073961.3665
0.0008173.074391.3701
0.0007174.074821.3507
0.0002175.075251.3520

Framework versions

  • Transformers 4.49.0
  • Pytorch 2.6.0+cu124
  • Datasets 3.4.1
  • Tokenizers 0.21.1

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
13450f9

0 моделей

    Создать бенчмарк