Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Архитектура: t5 · dense
Базовая модель: Simple_Translation-model-for-GPT-v7
Опубликована: 8 июн 2024

Ссылки

Hugging Face

Simple_Translation-model-for-GPT-v8

Dhahlan2000

Языковая модель

Дообученная модель T5 для генерации текста, заявленная для задач перевода.

7скачиваний за 30 дней0лайковвеса обновлены8 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

Simple_Translation-model-for-GPT-v8 — дообученная модель семейства T5 на 38,5 млн параметров, созданная на основе Dhahlan2000/Simple_Translation-model-for-GPT-v7. Она предназначена для генерации текста в формате text-to-text и заявлена как модель перевода. Контекст составляет 512 токенов; веса опубликованы в формате safetensors и рассчитаны на использование с Transformers.

В README приведены результаты оценки: loss 0,5116, BLEU 11,2953 и средняя длина генерации 18,488. Датасет, языковые пары и подробные сценарии применения не описаны, поэтому качество перевода и языковую поддержку нельзя уточнить. Лицензия в доступных данных не указана.

Сценарии применения

перевод коротких текстовых фрагментов

Ограничения

Датасет, поддерживаемые языки и языковые пары не описаны; приведённая оценка BLEU равна 11,2953. Лицензия не указана в доступных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Simple_Translation-model-for-GPT-v8

This model is a fine-tuned version of Dhahlan2000/Simple_Translation-model-for-GPT-v7 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.5116
Bleu: 11.2953
Gen Len: 18.488

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
0.7186	1.0	9282	0.5310	10.8985	18.48
0.692	2.0	18564	0.5116	11.2953	18.488

Framework versions

Transformers 4.41.2
Pytorch 2.3.0+cu121
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: cd0bad5