/ Модель

Характеристики

Контекст
16 384 токена
Параметры
95,2 млн
Лицензия
BSD 3-Clause
Архитектура
led · dense
Базовая модель
led-base-book-summary
Опубликована
25 мая 2024

led-pubmed-20K-8192-v2

Языковая модель

Дообученная модель LED для генерации текста, предположительно ориентированная на краткое изложение публикаций PubMed.

8скачиваний 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

LA1512/led-pubmed-20K-8192-v2 — дообученная модель семейства LED, разработанная на основе pszemraj/led-base-book-summary. Она содержит 95,2 млн параметров и предназначена для генерации текста; название репозитория указывает на применение к научным публикациям PubMed, однако README не описывает её назначение и обучающие данные подробнее.

Модель может использоваться для экспериментов с генерацией кратких изложений научных текстов. В README приведено значение loss 3,3024 на оценочной выборке, но не указаны методика оценки и характеристики датасета. Лицензия — BSD 3-Clause.

Сценарии применения

  • экспериментальное составление кратких изложений научных публикаций PubMed
  • генерация текста на основе научных статей
  • оценка качества дообучения LED на задаче суммаризации научных текстов

Ограничения

README не раскрывает обучающий датасет, предназначение и ограничения модели; значение loss приведено без описания протокола оценки. Не следует считать медицинские сводки проверенными клиническими рекомендациями.

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 pszemraj/led-base-book-summary on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 3.3024

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: 5e-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
3.69150.162003.6060
3.48970.324003.4824
3.36960.486003.3890
3.38090.648003.3488
3.3240.810003.3169
3.32940.9612003.3024

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
3189d73

0 моделей