/ Модель

Характеристики

Контекст
1 024 токена
Параметры
95,2 млн
Лицензия
Apache 2.0
Архитектура
bart · dense
Базовая модель
bart-base
Опубликована
24 июл 2023

bart-base-finetuned-xsum

Языковая модель4 профессии

Дообученная модель BART для генерации кратких текстовых резюме.

479скачиваний за 30 дней0лайковвеса обновлены9 ноя 2023

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

GuysTrans/bart-base-finetuned-xsum — модель GuysTrans, дообученная на базе facebook/bart-base для суммаризации текста. Она построена на encoder-decoder архитектуре BART и содержит 95,2 млн параметров. Модель принимает текст и генерирует краткое текстовое резюме; контекст — до 1024 токенов. Репозиторий содержит веса PyTorch и Safetensors.

В карточке приведены результаты оценки: ROUGE-1 16,5953, ROUGE-2 12,3097, ROUGE-L 15,9007 и ROUGE-Lsum 16,4053. Датасет описан как None, поэтому связь обучения именно с XSum по имеющимся сведениям подтвердить нельзя. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • суммаризация англоязычных статей
  • создание краткого пересказа документа
  • генерация краткого описания текста

Ограничения

Модель рассчитана на контекст до 1024 токенов. Показатели оценки в карточке невысоки, а датасет обучения обозначен как None, поэтому качество и точную область обучения следует проверять на целевых данных.

Для каких профессий подходит4

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

bart-base-finetuned-xsum

This model is a fine-tuned version of facebook/bart-base on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.1690
  • Rouge1: 16.5953
  • Rouge2: 12.3097
  • Rougel: 15.9007
  • Rougelsum: 16.4053
  • Bleu-1: 0.0062
  • Bleu-2: 0.0057
  • Bleu-3: 0.0054
  • Bleu-4: 0.0052
  • Gen Len: 20.0

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: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1

Training results

Training LossEpochStepValidation LossRouge1Rouge2RougelRougelsumBleu-1Bleu-2Bleu-3Bleu-4Gen Len
2.32941.0286001.169016.595312.309715.900716.40530.00620.00570.00540.005220.0

Framework versions

  • Transformers 4.33.0
  • Pytorch 2.0.0
  • Datasets 2.1.0
  • Tokenizers 0.13.3

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
BartForConditionalGeneration
Ревизия весов
7c2b3a6

0 моделей