/ Модель

Характеристики

Параметры
157 млн
Лицензия
Apache 2.0
Архитектура
mt5 · dense
Базовая модель
mt5-small
Библиотека
transformers
Опубликована
28 июл 2026

mt5_book_review_summary

СуммаризацияТекст → текст3 профессии

Дообученная mT5-small для создания кратких пересказов отзывов о книгах.

29скачиваний за 30 дней0лайковвеса обновлены28 июл 2026

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

Prience91/mt5_book_review_summary — дообученная модель Google mT5-small для суммаризации отзывов о книгах. Она построена на архитектуре MT5ForConditionalGeneration и содержит 157,4 млн параметров. Модель принимает текст и генерирует текстовое резюме; в карточке указана задача summarization, а для дообучения использована базовая модель google/mt5-small.

В README приведены результаты оценки: ROUGE-1 0,1076, ROUGE-2 0,0395 и ROUGE-L 0,1063. Описание обучающих данных и предполагаемых сценариев применения в карточке отсутствует, поэтому качество обобщения на других видах текстов не установлено. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • суммирование отзывов о книгах
  • создание краткой выжимки из книжной рецензии
  • подготовка кратких описаний пользовательских отзывов о книгах

Ограничения

В README не описаны обучающие данные и ограничения применения. Приведённые значения ROUGE на оценочной выборке невысоки, поэтому качество резюме следует проверять на целевых текстах.

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

mt5_book_review_summary

This model is a fine-tuned version of google/mt5-small on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 3.0872
  • Rouge1: 0.1076
  • Rouge2: 0.0395
  • Rougel: 0.1063
  • Rougelsum: 0.1062

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: 5.6e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 3

Training results

Training LossEpochStepValidation LossRouge1Rouge2RougelRougelsum
6.58561.022023.24100.08820.03210.08790.0879
3.77692.044043.11360.10810.03730.10670.1069
3.55973.066063.08720.10760.03950.10630.1062

Framework versions

  • Transformers 5.14.1
  • Pytorch 2.13.0+cu130
  • Datasets 5.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MT5ForConditionalGeneration
Ревизия весов
fa5591c

0 моделей