/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Своя лицензия
Архитектура
mbart · dense
Базовая модель
mbart-large-50-many-to-many-mmt
Библиотека
transformers
Опубликована
13 июл 2026

fi_summariser

СуммаризацияТекст → текст4 профессии

Экспериментальная модель Rahvusarhiiv на базе mBART суммирует финские новости, юридические, административные, академические и энциклопедические тексты.

37скачиваний за 30 дней0лайковвеса обновлены20 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

Rahvusarhiiv разработал экспериментальную финноязычную модель суммаризации на архитектуре mBART, дообученную на базе facebook/mbart-large-50-many-to-many-mmt. Она предназначена для сокращения финских новостей, юридических и административных документов, энциклопедических и академических текстов, а также для пакетной обработки и исследовательских сценариев с проверкой результатов. Контекст модели — 1024 токена; при обучении длина входа ограничивалась 768 токенами, а целевой текст — 512 токенами. Модель обучалась на небольшой смешанной выборке финских новостей, тезисов, юридических текстов и синтетических резюме.

Карточка приводит оценки на новостных, энциклопедических и GDELT-данных, но не заявляет о превосходстве над современными аналогами. Модель может галлюцинировать или чрезмерно обобщать, особенно на длинном и неполном вводе; имена, числа, даты и юридические ссылки следует сверять с источником. Она не предназначена для использования как единственный источник фактов или как замена профессиональной проверке. Лицензия указана как other, без уточнения условий в предоставленных данных.

Сценарии применения

  • Составление кратких сводок финских новостей
  • Суммирование финских юридических и административных документов
  • Подготовка кратких изложений финских академических работ и тезисов
  • Суммирование финских энциклопедических текстов
  • Пакетная офлайн-обработка финских документов с последующей проверкой

Ограничения

Модель может галлюцинировать и чрезмерно обобщать; имена, числа, даты и юридические ссылки нужно проверять по источнику. Качество может различаться по жанрам, поэтому для значимых и публичных материалов рекомендована проверка человеком.

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

Finnish summariser

Rahvusarhiiv/fi_summariser is an experimental Finnish summarization model fine-tuned from facebook/mbart-large-50-many-to-many-mmt.

This is a research release. It is not claimed to be state of the art; the model should be evaluated for the target domain before production use.

Intended Use

  • Summarization of Finnish news, legal/administrative, encyclopedic, or academic-style text.
  • Batch/offline summarization, evaluation, and retrieval-assisted workflows where outputs can be checked.
  • Not intended as a sole source of factual truth, legal advice, medical advice, or archival description without human review.

How to Use

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

repo_id = "Rahvusarhiiv/fi_summariser"
text = "Tampereen yliopistollinen sairaala on ottanut käyttöön uuden toimintatavan, jossa osa lapsipotilaista voi saada antibioottihoitoa kotona pumpun avulla. Hoitajan käynti kotona riittää vaihtamaan liuoksen kerran päivässä."

tokenizer = AutoTokenizer.from_pretrained(repo_id, src_lang="fi_FI")
model = AutoModelForSeq2SeqLM.from_pretrained(repo_id)

inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=768)
language_token_id = tokenizer.convert_tokens_to_ids("fi_FI")
summary_ids = model.generate(
    **inputs,
    forced_bos_token_id=language_token_id,
    max_new_tokens=512, num_beams=4, no_repeat_ngram_size=3,
)
print(tokenizer.batch_decode(summary_ids, skip_special_tokens=True)[0])

Recommended Generation Settings

  • max_new_tokens: 512
  • num_beams: 4
  • no_repeat_ngram_size: 3

Training Data

Fine-tuned from mBART-50 on a rebalanced Finnish mix: Yle news/RSS/archive rows, Theseus theses, filtered synthetic FinePDFs summaries, and downweighted EurLex/legal data. The Yle archive benchmark rows were explicitly removed from training before this checkpoint was trained.

  • Yle RSS and archive articles collected locally; held-out Yle archive benchmark rows excluded from training.
  • Theseus thesis metadata/abstract examples.
  • Filtered subset of MultiSynt/finepdfs-summaries.
  • Finnish EurLex/legal examples after summary-section extraction and boilerplate filtering.

Known public Hub datasets used or partially used where applicable:

Training metadata:

  • Base/initial model recorded by trainer: facebook/mbart-large-50-many-to-many-mmt
  • Train rows: 2741
  • Validation rows: 246
  • Max source tokens: 768
  • Max target tokens: 512
  • Seed: 20260611

Evaluation

benchmarknROUGE-LROUGE-1ROUGE-2ref coveragesrc precisionjudge factualityjudge coveragejudge overallwordsrepeat 4glegalesemax hit
News-supported v2 automatic2530.2210.2470.1400.2510.85626.10.00000.00000.0000
Wiki4 final automatic1000.3660.4070.2880.3940.88253.90.00000.00000.0000
GDELT final automatic1000.1160.1350.0440.1230.83123.40.00000.00000.0000

The automatic metrics include ROUGE, coverage proxies, repetition and artifact checks. The judge metrics use a local Ollama LLM judge on sampled examples and should be treated as comparative, not absolute.

Limitations and Failure Modes

  • The model can hallucinate or over-generalize details, especially when the input is long or under-specified.
  • Named entities, numbers, dates, and legal references should be verified against the source.
  • Some evaluation datasets reward lead-like summaries; performance may differ on non-news or conversational text.
  • The training data mixes sources with different writing styles and upstream terms; users are responsible for checking suitability for their use case.
  • This is the no-leak Finnish archive-balanced checkpoint; the earlier archive-v1 benchmark score should not be used because it had held-out benchmark leakage.

Bias, Risks, and Ethical Considerations

The model reflects the distributions and editorial choices of its source corpora. It may reproduce biases present in news, legal, academic, or synthetic summaries. Human review is recommended for public-facing summaries and high-impact decisions.

CO2 Emissions

Training emissions were not instrumented with CodeCarbon or an equivalent tracker. No numeric CO2 estimate is reported. Training was local fine-tuning of an mBART-50 checkpoint rather than pretraining from scratch.

Model Tree

  • Base model: facebook/mbart-large-50-many-to-many-mmt
  • Relationship: fine-tuned sequence-to-sequence summarization checkpoint.

License

The model card uses license: other because the training mix contains multiple upstream data sources with different terms. Treat this as a research-use release and verify upstream data/license constraints before redistribution or commercial use.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MBartForConditionalGeneration
Ревизия весов
3eead0b

0 моделей