Характеристики

Контекст: 16 384 токена
Параметры: 95,2 млн
Лицензия: MIT
Архитектура: led · dense
Опубликована: 4 авг 2026

Ссылки

Hugging Face

pipeline-error-propagation-dialogue-summarization-led-baseline-seed42

Immich

СуммаризацияТекст → текст4 профессии

Экспериментальная модель на базе LED-base для суммаризации диалогов и совещаний из корпуса AMI.

18скачиваний 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 экспериментальный чекпойнт Immich на базе LED-base для суммаризации диалогов и совещаний. Модель обучена на подходящем подмножестве корпуса AMI Meeting Corpus с seed 42; вариант baseline рассчитан на обработку полной записи совещания либо на иерархический конвейер сегментации, извлечения и генерации. Архитектура — LED для генерации последовательностей, размер — 95,2 млн параметров; веса представлены в safetensors. Использовать модель можно через Transformers как seq2seq-модель.

Модель подходит для создания кратких итогов совещаний и диалогов на материале AMI. В карточке не подтверждены языки, длина контекста и сравнительное качество, поэтому их нельзя надежно охарактеризовать. Лицензия — MIT.

Сценарии применения

создание краткого итога записи совещания
суммаризация диалога участников встречи
генерация итогов для сегментов длинного совещания

Ограничения

Обучена на подмножестве AMI Meeting Corpus, поэтому перенос на другие типы диалогов и предметные области не подтвержден. В карточке не приведены метрики качества.

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.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 I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Immich/pipeline-error-propagation-dialogue-summarization-led-baseline-seed42

Checkpoint do backbone led-base, 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 42.

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained("Immich/pipeline-error-propagation-dialogue-summarization-led-baseline-seed42")
model = AutoModelForSeq2SeqLM.from_pretrained("Immich/pipeline-error-propagation-dialogue-summarization-led-baseline-seed42")

Outras seeds do mesmo backbone/variante

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

Immich/pipeline-error-propagation-dialogue-summarization-led-baseline-seed17
Immich/pipeline-error-propagation-dialogue-summarization-led-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: LEDForConditionalGeneration
Ревизия весов: 6925c70