Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Архитектура: t5 · dense
Базовая модель: Simple_Translation-model-for-GPT-v3
Опубликована: 27 мая 2024

Ссылки

Hugging Face

Simple_Translation-model-for-GPT-v4

Dhahlan2000

Языковая модель

Дообученная модель T5 для перевода текста с контекстом до 512 токенов.

8скачиваний за 30 дней0лайковвеса обновлены27 мая 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

Dhahlan2000/Simple_Translation-model-for-GPT-v4 — дообученная модель семейства T5 с архитектурой T5ForConditionalGeneration и 38,5 млн параметров. Она предназначена для перевода текста; указанное в карточке значение BLEU на оценочном наборе — 49,9026. Модель принимает текст и генерирует текст, максимальная длина контекста составляет 512 токенов.

Модель дообучена на базе Dhahlan2000/Simple_Translation-model-for-GPT-v3. Данные обучения в карточке не раскрыты, поэтому языковые пары и качество на отдельных направлениях перевода определить нельзя. Веса опубликованы в формате safetensors; сведения о лицензии отсутствуют в предоставленных данных.

Сценарии применения

машинный перевод коротких текстов
перевод предложений между поддерживаемыми языками
автоматический перевод пользовательских сообщений

Ограничения

Языки и направления перевода, обучающий набор и лицензия не раскрыты в предоставленных данных; качество за пределами указанного оценочного набора не установлено.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Simple_Translation-model-for-GPT-v4

This model is a fine-tuned version of Dhahlan2000/Simple_Translation-model-for-GPT-v3 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.1062
Bleu: 49.9026
Gen Len: 15.2955

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: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Bleu	Gen Len
0.1719	1.0	4571	0.1122	49.053	15.2856
0.1572	2.0	9142	0.1062	49.9026	15.2955

Framework versions

Transformers 4.41.0
Pytorch 2.3.0+cu121
Datasets 2.19.1
Tokenizers 0.19.1

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: T5ForConditionalGeneration
Ревизия весов: cff4e2a