/ Модель

Характеристики

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

led-pubmed-20K-ORC-4096

Языковая модель3 профессии

Дообученная модель LED для генерации текста, вероятно предназначенная для суммаризации публикаций PubMed.

7скачиваний за 30 дней0лайковвеса обновлены23 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-ORC-4096 — дообученная модель семейства LED, созданная на основе pszemraj/led-base-book-summary. Веса содержат 95,2 млн параметров и опубликованы в формате safetensors; лицензия — BSD 3-Clause.

По названию репозитория можно предположить, что модель предназначена для суммаризации научных публикаций PubMed, однако README не описывает назначение и обучающие данные. В карточке приведён результат Loss 3,2980 на тестовой выборке, но без сведений о протоколе оценки его нельзя интерпретировать как показатель качества. Метаданные указывают на генерацию текста; языки и длина контекста не приведены.

Сценарии применения

  • Составление краткого резюме научной публикации PubMed
  • Подготовка черновика аннотации к медицинской статье
  • Сжатие длинного научного текста

Ограничения

README не раскрывает обучающий датасет, назначение модели и условия оценки; результат Loss 3,2980 без описания протокола не позволяет судить о практическом качестве. Языки и длина контекста не указаны.

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

  • Loss: 3.2980

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
3.69450.162003.6057
3.5070.324003.4589
3.37490.486003.3921
3.34760.648003.3396
3.2970.810003.3113
3.35020.9612003.2980

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
521cb9b

0 моделей