/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Опубликована
29 ноя 2023

text-summary-gpt2-short

СуммаризацияТекст → текст4 профессии

Дообученная GPT-2 для краткой суммаризации коротких текстов.

18скачиваний за 30 дней0лайковвеса обновлены14 апр 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Lin0He/text-summary-gpt2-short — модель для суммаризации коротких текстов, созданная как часть учебного проекта по мультимедийным системам в Лейденском университете осенью 2023 года. Это дообученная модель на архитектуре GPT-2; в карточке указаны PyTorch и контекст 1024 токена. Автор сообщает об обучении на данных отзывов Amazon и Kindle, публикациях Twitter и наборе для анализа эмоций.

Модель предназначена для получения краткого пересказа короткого текста. В README отмечено, что после обновления пайплайна генерация может содержать лишний текст и артефакты; предлагается отбирать результат по маркеру TL;DR. Исходная модель, от которой выполнялось дообучение, в карточке не названа. Лицензия — MIT.

Сценарии применения

  • краткий пересказ короткого текста
  • сжатие отзывов Amazon и Kindle
  • суммаризация публикаций Twitter
  • создание краткого резюме пользовательского текста

Ограничения

В README указано, что после обновления пайплайна генерация может содержать лишний текст и артефакты; автор рекомендует фильтровать результат по маркеру TL;DR. Модель ориентирована на короткие тексты и имеет контекст 1024 токена.

Для каких профессий подходит4

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

ANNOUNCEMENT:

!!! The previous pipeline has been destroyed by a system update of hugging face. !!! In the updated pipeline, the generated text may show like:

Today was a beautiful day, I have done all my homework. I wonder is this I need? Thank you so much for your help.TL;DRThank You

please filter the result by TL;DR.

Model Description

This is the project for the course Multimedia System in Leiden University 2023 fall. The model is part of self-designed software for the final project that summarizes short texts. The original summarization model is from https://towardsdatascience.com/text-summarization-with-gpt2-and-layer-ai-599625085d8e .

Training Datasets

TODO

  • Improve training data quality
  • Model analysis

Notification

Due to the technique support of hugging face, this project can only functioning with Interface code below. When you first call the API, it may take more than 1 minutes to download the model and functioning. Please wait carefully, thank you!

Fine-tune Code

You can check "text_summary.py" in the uploaded documents, and download the model to test and modify this task.

Interface(legacy)

please see the announcement above.

import requests

API_URL = "https://api-inference.huggingface.co/models/Lin0He/text-summary-gpt2-short"
headers = {"Authorization": "Bearer <Your API tokens>"}

def query(payload):
    response = requests.post(API_URL, headers=headers, json=payload)
    return response.json()
    
output = query({
    "inputs": "Today was a beautiful day. I have down all my homework, and baked some cookies with my friends. What a lovely day."
})
print(output)

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
51c93fe

0 моделей