/ Модель

Характеристики

Контекст
512 токенов
Параметры
38,5 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense

t5-small-finetuned-xsum

Языковая модель4 профессии

Дообученная T5-small для создания кратких текстовых резюме в стиле XSum.

49скачиваний за 30 дней0лайковвеса обновлены27 янв 2022

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

Rocketknight1/t5-small-finetuned-xsum — дообученная версия T5-small для генерации кратких резюме в стиле датасета XSum. Модель построена на архитектуре T5 с примерно 38,5 млн параметров и принимает текст, выдавая текстовое резюме. В метаданных указан контекст до 512 токенов; веса представлены в формате TensorFlow.

Карточка приводит метрики на наборе оценки: validation loss 2,3977 и ROUGE-1 28,7469, ROUGE-2 7,9005 и ROUGE-L 22,5917 для обучающего набора. Данные для дообучения названы неизвестными, а подробные сценарии применения и ограничения автор не описал. Лицензия Apache-2.0.

Сценарии применения

  • составление краткого резюме по статье или заметке
  • сжатие новостного текста для превью
  • автоматическая подготовка краткого описания документа

Ограничения

Максимальный контекст составляет 512 токенов; язык и состав обучающих данных в карточке не описаны. Приведены метрики оценки, но без подробностей о наборе данных и протоколе оценки.

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

Rocketknight1/t5-small-finetuned-xsum

This model is a fine-tuned version of t5-small on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 2.7172
  • Validation Loss: 2.3977
  • Train Rouge1: 28.7469
  • Train Rouge2: 7.9005
  • Train Rougel: 22.5917
  • Train Rougelsum: 22.6162
  • Train Gen Len: 18.875
  • Epoch: 0

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:

  • optimizer: {'name': 'AdamWeightDecay', 'learning_rate': 2e-05, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-07, 'amsgrad': False, 'weight_decay_rate': 0.01}
  • training_precision: float32

Training results

Train LossValidation LossTrain Rouge1Train Rouge2Train RougelTrain RougelsumTrain Gen LenEpoch
2.71722.397728.74697.900522.591722.616218.8750

Framework versions

  • Transformers 4.16.0.dev0
  • TensorFlow 2.8.0-rc0
  • Datasets 1.17.0
  • Tokenizers 0.11.0

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
T5ForConditionalGeneration
Ревизия весов
d4effe7

0 моделей