/ Модель

Характеристики

Параметры
157 млн
Лицензия
MIT
Архитектура
mt5 · dense
Базовая модель
mt5-small
Опубликована
21 авг 2026

Werea-TR-Summarizer

СуммаризацияТекст → текст3 профессии

Дообученная на турецких новостях модель mT5 для автоматического создания кратких резюме.

12скачиваний за 30 дней0лайковвеса обновлены21 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Werea-TR-Summarizer — турецкая модель для автоматического составления кратких выжимок из новостных текстов. Репозиторий GoktugD является зеркалом Werea-co/Werea-TR-Summarizer; модель разработана на базе google/mt5-small и дообучена на 50 тысячах пар «новость — резюме» из набора TR-News. Это encoder-decoder модель mT5 с 157,4 млн параметров, сохранённая в формате safetensors. Для генерации используется префикс «özet: ».

Сценарии применения

  • составление кратких выжимок из турецких новостных статей
  • подготовка краткого обзора длинной новости
  • создание черновика резюме для новостной ленты

Ограничения

В опубликованной оценке на тестовой выборке TR-News из 400 примеров указаны ROUGE-1 32,5, ROUGE-2 20,3 и ROUGE-L 29,4; эти результаты относятся к конкретному набору и не гарантируют качество на других текстах. Для запуска в примере используется префикс «özet: ».

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ℹ️ Werea-co/Werea-TR-Summarizer aynasıdır.

Werea-TR-Summarizer — Türkçe Haber Özetleme

Gerçek TR-News haber-özet çiftleriyle (50k) eğitildi, test bölümünde dürüstçe ölçüldü.

Benchmark (TR-News test, n=400)

MetrikSkor
ROUGE-132.5
ROUGE-220.3
ROUGE-L29.4

mT5-small tabanlı, prefix özet: .

Kullanım

from transformers import pipeline
s=pipeline("summarization",model="Werea-co/Werea-TR-Summarizer")
print(s("özet: "+haber, max_new_tokens=100, num_beams=4))

💜 werea.co

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MT5ForConditionalGeneration
Ревизия весов
9c052e3

0 моделей