Характеристики

Параметры: 291 млн
Архитектура: mt5 · dense
Базовая модель: mT5_multilingual_XLSum
Опубликована: 14 фев 2024

Ссылки

Hugging Face

deed-summarization_version_5

Hasanur525

Языковая модель3 профессии

Дообученная версия многоязычной mT5 для автоматического краткого пересказа текстов.

10скачиваний за 30 дней0лайковвеса обновлены14 фев 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

Hasanur525 разработал deed-summarization_version_5 — модель mT5, дообученную на основе csebuetnlp/mT5_multilingual_XLSum для суммаризации текстов. В репозитории указано, что обучение проводилось на датасете, обозначенном как None; описание модели и сценариев применения не приведено.

Модель содержит 291,2 млн параметров и использует архитектуру MT5ForConditionalGeneration. Базовая модель обучена для многоязычной суммаризации на 45 языках, однако README не сообщает, на каких данных дообучалась эта версия и насколько хорошо она работает. В приведённой оценке ROUGE-1, ROUGE-2, ROUGE-L и ROUGE-Lsum равны 0, поэтому качество суммаризации этой версии не подтверждено. Лицензия в доступных данных не указана.

Сценарии применения

составление краткого пересказа статьи
суммаризация новостной публикации
сокращение длинного текста до краткого содержания

Ограничения

В README приведены нулевые значения ROUGE-1, ROUGE-2, ROUGE-L и ROUGE-Lsum, поэтому качество этой версии не подтверждено. Данные обучения обозначены как None; описание модели и условий применения отсутствует.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

deed-summarization_version_5

This model is a fine-tuned version of csebuetnlp/mT5_multilingual_XLSum on the None dataset. It achieves the following results on the evaluation set:

Loss: 1.2110
Rouge1: 0.0
Rouge2: 0.0
Rougel: 0.0
Rougelsum: 0.0
Gen Len: 72.0323

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: 2
eval_batch_size: 2
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 5000
num_epochs: 6

Training results

Training Loss	Epoch	Step	Validation Loss	Gen Len
3.5903	1.0	232	3.5371	35.1659
2.577	2.0	464	2.2487	49.875
1.6168	3.0	696	1.8681	58.2522
1.7148	4.0	928	1.6086	56.8362
1.9433	5.0	1160	1.3949	62.3427
1.6744	6.0	1392	1.2110	72.0323

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu121
Datasets 2.17.0
Tokenizers 0.15.1

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: MT5ForConditionalGeneration
Ревизия весов: abbd5f2