Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Архитектура: t5 · dense
Базовая модель: Simple_Translation-model-for-GPT-v6
Опубликована: 7 июн 2024

Ссылки

Hugging Face

Simple_Translation-model-for-GPT-v7

Dhahlan2000

Языковая модель

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

8скачиваний за 30 дней0лайковвеса обновлены7 июн 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-v7 — дообученная модель семейства T5 с 38,5 млн параметров, разработанная автором репозитория Dhahlan2000. Она предназначена для перевода текста. В README приведены результаты оценки: loss 0,5987, BLEU 10,3715 и средняя длина генерации 18,4887 токена.

Модель использует архитектуру T5ForConditionalGeneration и формат весов safetensors. Базовая модель — Dhahlan2000/Simple_Translation-model-for-GPT-v6; контекст составляет 512 токенов. Данные обучения не описаны, поэтому нельзя определить поддерживаемые языки и направления перевода. Лицензия в предоставленных источниках не указана.

Сценарии применения

перевод коротких текстов
машинный перевод предложений
встраивание перевода в приложение или конвейер обработки текста

Ограничения

Языки и направления перевода, а также обучающий датасет в README не описаны. В README приведён BLEU 10,3715, но без сведений о тестовом наборе и условиях оценки этот результат трудно интерпретировать.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Simple_Translation-model-for-GPT-v7

This model is a fine-tuned version of Dhahlan2000/Simple_Translation-model-for-GPT-v6 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.5987
Bleu: 10.3715
Gen Len: 18.4887

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: 32
eval_batch_size: 32
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
0.8526	1.0	4641	0.6219	10.0994	18.4893
0.8127	2.0	9282	0.5987	10.3715	18.4887

Framework versions

Transformers 4.41.2
Pytorch 2.1.2
Datasets 2.19.2
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: 2dfcf9c