/ Модель

Характеристики

Контекст
16 384 токена
Параметры
95,2 млн
Лицензия
BSD 3-Clause
Архитектура
led · dense
Базовая модель
led-pubmed-20K-8192-v2
Опубликована
25 мая 2024

led-pubmed-20K-8192-epoch2

Языковая модель3 профессии

Дообученная модель LED для генерации текста по тексту, назначение и обучающий набор данных которой подробно не описаны.

9скачиваний за 30 дней0лайковвеса обновлены25 мая 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

Это дообученная модель семейства LED (Longformer Encoder Decoder) с архитектурой для генерации текста по тексту. Она содержит 95,2 млн параметров и основана на LA1512/led-pubmed-20K-8192-v2. В карточке приведён результат оценки: loss 3,2569; сведения о наборе данных и подробном назначении модели отсутствуют.

Модель может использоваться для генерации текста по входному тексту, однако конкретный сценарий дообучения не описан, поэтому её пригодность для задач PubMed или других медицинских текстов нельзя подтвердить. Весовая версия доступна в формате safetensors; лицензия — BSD 3-Clause.

Сценарии применения

  • эксперименты с генерацией текста на основе LED
  • оценка качества дообученной модели по метрике loss

Ограничения

Данные для дообучения и целевой сценарий в карточке не раскрыты. Приведён только результат loss 3,2569, которого недостаточно для вывода о качестве модели на прикладных задачах.

Для каких профессий подходит3

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

results

This model is a fine-tuned version of LA1512/led-pubmed-20K-8192-v2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 3.2569

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: 3e-05
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 400
  • num_epochs: 1
  • label_smoothing_factor: 0.1

Training results

Training LossEpochStepValidation Loss
3.28730.162003.3075
3.16480.324003.3086
3.12860.486003.3181
3.19150.648003.2946
3.19930.810003.2664
3.27950.9612003.2569

Framework versions

  • Transformers 4.39.3
  • Pytorch 2.1.2
  • Datasets 2.18.0
  • Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры
LEDForConditionalGeneration
Ревизия весов
5fc809f

0 моделей