/ Модель

Характеристики

Контекст
512 токенов
Параметры
127 млн
Лицензия
MIT
Архитектура
t5 · dense
Базовая модель
vit5-base
Опубликована
19 авг 2026

nlp-btl-wikilingua-x5plus2

СуммаризацияТекст → текст4 профессии

Дообученная на материалах WikiLingua вьетнамская модель T5 для создания кратких текстовых сводок.

36скачиваний за 30 дней0лайковвеса обновлены19 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

HoangQuocViet25/nlp-btl-wikilingua-x5plus2 — дообученная модель T5, созданная на основе VietAI/vit5-base для суммаризации текста на вьетнамском языке. Она предназначена для сокращения статей и других текстов, в том числе материалов из набора WikiLingua. Модель содержит 126,8 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт текстовую сводку. Использует архитектуру T5 и формат весов safetensors. Модель распространяется по лицензии MIT.

Сценарии применения

  • Суммаризация вьетнамских статей
  • Сокращение текстов из WikiLingua
  • Создание кратких сводок по длинным материалам

Ограничения

Контекст ограничен 512 токенами; сведения о качестве на других типах текстов в предоставленных данных отсутствуют.

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

Usage

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("HoangQuocViet25/nlp-btl-wikilingua-x5plus2")
net = AutoModelForSeq2SeqLM.from_pretrained("HoangQuocViet25/nlp-btl-wikilingua-x5plus2").eval()
# ViT5's own preprocessing: no task prefix, EOS appended to the raw string.
enc = tok(article.strip() + "</s>", return_tensors="pt", truncation=True, max_length=1024)
out = net.generate(**enc, num_beams=4, length_penalty=1.0, max_new_tokens=256,
                   early_stopping=True)
print(tok.decode(out[0], skip_special_tokens=True))

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
956125d

0 моделей