Характеристики

Контекст: 1 024 токена
Параметры: 253 млн
Лицензия: MIT
Архитектура: bart · dense
Базовая модель: bart-large-cnn
Библиотека: transformers
Опубликована: 27 сен 2024

Ссылки

Hugging Face

bart-cnn-samsum-finetuned

Kain17

Языковая модель

Англоязычная модель BART, дообученная на SAMSum для краткого пересказа диалогов и переписок.

12скачиваний за 30 дней0лайковвеса обновлены27 сен 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

Kain17/bart-cnn-samsum-finetuned — англоязычная модель суммаризации, созданная дообучением facebook/bart-large-cnn на наборе диалогов SAMSum. Она предназначена для составления краткого пересказа бесед, например переписок и стенограмм диалогов. Модель построена на архитектуре BART и содержит 252,8 млн параметров; максимальная длина контекста — 1024 токена.

Модель использует библиотеку Transformers и распространяется в формате safetensors. Лицензия — MIT. В README указана оценка Loss 0,1059 на наборе оценки; дополнительные сведения о методике оценки и ограничениях не приведены.

Сценарии применения

краткий пересказ чатов
суммирование стенограмм разговоров
выделение основных итогов переписки
подготовка краткой выжимки из диалога

Ограничения

Контекст ограничен 1024 токенами. README не описывает ограничения качества и приводит только значение Loss 0,1059 на наборе оценки без подробностей методики.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bart-cnn-samsum-finetuned

This model is a fine-tuned version of facebook/bart-large-cnn on the samsum dataset. It achieves the following results on the evaluation set:

Loss: 0.1059

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: 1e-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: 1

Training results

Training Loss	Epoch	Step	Validation Loss
0.0876	1.0	148	0.1059

Framework versions

Transformers 4.44.2
Pytorch 2.4.1+cu121
Datasets 3.0.1
Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

У модели не указана задача.

Класс архитектуры: BartForConditionalGeneration
Ревизия весов: 25156c6