/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
95 млн
Лицензия
Apache 2.0
Архитектура
mbart · dense
Опубликована
30 ноя 2022

Ссылки

Hugging Face

AraBART-finetuned-wiki-ar

Jezia
ПереводТекст → текст3 профессии

Дообученная на данных wiki-ar модель mBART для задач машинного перевода текста.

20скачиваний за 30 дней0лайковвеса обновлены19 авг 2023

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.

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

Jezia/AraBART-finetuned-wiki-ar — арабоязычная модель машинного перевода, созданная дообучением moussaKam/AraBART на наборе данных, обозначенном в карточке как wiki-ar. Модель построена на архитектуре mBART, содержит 95 млн параметров и принимает последовательности длиной до 1024 токенов. Доступны веса в формате PyTorch.

Модель предназначена для перевода текста; карточка приводит результаты оценки на тестовой выборке, включая Loss 2.4030 и Rouge-L 0.9902. Языковая пара и направление перевода не уточнены, поэтому результаты не позволяют определить применимость для конкретного направления или качество на других типах текстов. Лицензия — Apache-2.0.

Сценарии применения

  • перевод арабских текстов в рамках поддерживаемой моделью языковой пары
  • автоматический перевод текстовых фрагментов
  • эксперименты с переводом на базе mBART

Ограничения

Карточка не описывает языковую пару и направление перевода, а также не приводит подробностей обучающего набора данных; метрики оценки не позволяют судить о качестве на других доменах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AraBART-finetuned-wiki-ar

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

  • Loss: 2.4030
  • Rouge1: 0.9862
  • Rouge2: 0.2292
  • Rougel: 0.9902
  • Rougelsum: 0.9847
  • Gen Len: 19.3511

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: 10
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossRouge1Rouge2RougelRougelsumGen Len
2.86331.025562.55990.78610.12890.76560.772119.2354
2.65252.051122.48240.73150.23740.72240.735719.261
2.50683.076682.44040.77720.21140.76710.786119.3035
2.42514.0102242.42690.74640.21560.7450.750419.2929
2.37395.0127802.41190.76420.18790.77290.777419.3573
2.2756.0153362.40390.90480.19520.91980.918919.37
2.27877.0178922.40070.99130.22780.99511.003819.335
2.21428.0204482.40730.97360.2380.96970.977319.3556
2.18529.0230042.40070.98250.23220.98910.996219.3213
2.159710.0255602.40300.98620.22920.99020.984719.3511

Framework versions

  • Transformers 4.25.1
  • Pytorch 1.13.0+cu116
  • Datasets 2.7.1
  • Tokenizers 0.13.2

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MBartForConditionalGeneration
Ревизия весов
02972a8

0 моделей

    Создать бенчмарк