Характеристики

Контекст: 4 096 токенов
Параметры: 367 млн
Лицензия: MIT
Архитектура: bigbird_pegasus · dense
Опубликована: 4 авг 2026

Ссылки

Hugging Face

pipeline-error-propagation-dialogue-summarization-bigbird-baseline-seed17

Immich

СуммаризацияТекст → текст4 профессии

Контрольная модель BigBird-Pegasus, обученная на AMI Meeting Corpus для суммаризации встреч и диалогов.

16скачиваний за 30 дней0лайковвеса обновлены4 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Это контрольный чекпойнт BigBird-Pegasus от Immich для суммаризации диалогов и встреч. Модель обучена на подходящей для обучения части AMI Meeting Corpus; seed 17 обозначает канонический запуск, использованный как опорный вариант для качественных примеров в статье. Размер модели — 366,8 млн параметров, максимальный контекст — 4096 токенов.

Модель предназначена для создания краткого содержания полной записи встречи или сегментов диалога, в том числе в сценариях с иерархической сегментацией, извлечением информации и генерацией. Доступна в формате safetensors и используется через Transformers как модель последовательность-в-последовательность. Лицензия — MIT. Поддерживаемый в карточке язык не указан, поэтому язык обучения и итоговых сводок по этим данным установить нельзя.

Сценарии применения

составление краткого содержания полной записи встречи
суммаризация сегментов диалога
подготовка опорных сводок для сравнения вариантов обучения
генерация содержания встречи в иерархическом пайплайне сегментации и извлечения

Ограничения

Модель обучена на подмножестве AMI Meeting Corpus, поэтому качество на других типах диалогов может отличаться. Языковые характеристики и оценки качества в предоставленных данных не описаны.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей III.10Корпоративные функцииПроекты, процессы и операционное управлениеAI помогает планировать работу, обнаруживать отклонения и улучшать операционные процессы.25 задач2 527моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Immich/pipeline-error-propagation-dialogue-summarization-bigbird-baseline-seed17

Checkpoint do backbone bigbird-pegasus, variante baseline (baseline de reunião completa ou pipeline hierárquico de segmentação, extração e geração), treinado sobre o subconjunto elegível do AMI Meeting Corpus — seed de treino 17. Esta é a seed canônica (a menor seed do grupo), usada como execução de referência para os exemplos qualitativos do artigo.

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained("Immich/pipeline-error-propagation-dialogue-summarization-bigbird-baseline-seed17")
model = AutoModelForSeq2SeqLM.from_pretrained("Immich/pipeline-error-propagation-dialogue-summarization-bigbird-baseline-seed17")

Outras seeds do mesmo backbone/variante

Cada seed é um repositório próprio (com DOI independente):

Immich/pipeline-error-propagation-dialogue-summarization-bigbird-baseline-seed42
Immich/pipeline-error-propagation-dialogue-summarization-bigbird-baseline-seed73

Logs de treino

Os artefatos originais de treinamento (histórico por época, configuração da execução, índices de probe, marcador de conclusão) estão em training_logs/.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: BigBirdPegasusForConditionalGeneration
Ревизия весов: 85982b2