Характеристики

Контекст: 1 024 токена
Параметры: 95 млн
Архитектура: plbart · dense
Базовая модель: plbart-works
Опубликована: 27 янв 2024

Ссылки

Hugging Face

my_awesome-assert-new

Patcas

Языковая модель3 профессии

Дообученная PLBART-модель на 95 млн параметров для преобразования текста в текст.

11скачиваний за 30 дней0лайковвеса обновлены28 янв 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

Patcas/my_awesome-assert-new — дообученная модель семейства PLBART на основе Patcas/plbart-works. Это плотная модель с архитектурой PLBartForConditionalGeneration, содержащая 95 млн параметров и принимающая последовательности длиной до 1024 токенов. В README приведён результат оценки: loss 0,4168; назначение модели, обучающие данные и практические ограничения не описаны.

Модель предназначена для генерации текста по текстовому входу в формате text-to-text. Язык задач и специализированную область применения по доступным сведениям определить нельзя. Распространяется в формате safetensors; лицензия в предоставленных данных не указана.

Сценарии применения

генерация текста по текстовому запросу
преобразование одной текстовой последовательности в другую
эксперименты с PLBART для задач text-to-text

Ограничения

Назначение, языковая поддержка, обучающие данные и условия лицензии не описаны в предоставленных материалах. Приведён только результат оценки loss 0,4168, без сведений о метрике и тестовом наборе.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my_awesome-assert-new

This model is a fine-tuned version of Patcas/plbart-works on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.4168

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: 2e-05
train_batch_size: 1
eval_batch_size: 1
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 4

Training results

Training Loss	Epoch	Step	Validation Loss
0.4144	1.0	15052	0.4181
0.3772	2.0	30104	0.3961
0.358	3.0	45156	0.4086
0.3221	4.0	60208	0.4168

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu121
Datasets 2.16.1
Tokenizers 0.15.1

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: PLBartForConditionalGeneration
Ревизия весов: 1611ca1