/ Модель

Характеристики

Параметры
291 млн
Лицензия
Apache 2.0
Архитектура
mt5 · dense
Опубликована
28 мар 2023

indo-t5-base-v2

Языковая модель3 профессии

Дообученная модель mT5 для преобразования текстов, обученная на наборе alkitab-sabda-mt.

246скачиваний за 30 дней1лайквеса обновлены31 янв 2025

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

indo-t5-base-v2 — модель LazarusNLP, дообученная на базе google/mt5-base на наборе lazarus-project/alkitab-sabda-mt. Это генеративная модель архитектуры mT5 с примерно 291,2 млн параметров, предназначенная для преобразования текста в текст. В репозитории доступны веса PyTorch и safetensors.

Модель обучалась на данных alkitab-sabda-mt и оценивалась по потере и метрике BLEU; результаты на оценочной выборке составили 1,5099 и 15,1824 соответственно. Название датасета указывает на религиозные тексты, однако README не описывает точные языки и сценарии перевода, поэтому их нельзя установить по имеющимся данным. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • преобразование текстов на данных alkitab-sabda-mt
  • эксперименты с генерацией текста на базе mT5
  • оценка качества текстовой генерации по BLEU

Ограничения

README не раскрывает точное назначение, языки и ограничения модели; приведённая оценка BLEU относится только к оценочной выборке указанного набора данных.

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

indo-t5-base-v2

This model is a fine-tuned version of google/mt5-base on the lazarus-project/alkitab-sabda-mt dataset. It achieves the following results on the evaluation set:

  • Loss: 1.5099
  • Bleu: 15.1824
  • Gen Len: 56.1138

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: 0.0008
  • train_batch_size: 32
  • eval_batch_size: 16
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 16
  • total_train_batch_size: 4096
  • total_eval_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • training_steps: 10000

Training results

Training LossEpochStepValidation LossBleuGen Len
1.37561.5650001.53552.399218.9403
1.12953.11100001.50992.54318.9389

Framework versions

  • Transformers 4.27.1
  • Pytorch 2.0.0+cu117
  • Datasets 2.9.0
  • Tokenizers 0.13.2

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
MT5ForConditionalGeneration
Ревизия весов
da44a8b

0 моделей