Характеристики

Контекст: 512 токенов
Параметры: 124 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Базовая модель: flan-t5-base
Опубликована: 5 июл 2024

Ссылки

Hugging Face

flan-t5-base-finetuned-frnet-325ct

RohanHBTU

Языковая модель

Дообученная версия Flan-T5-base для генерации текста по текстовому вводу, с нераскрытой специализацией дообучения.

7скачиваний за 30 дней0лайковвеса обновлены5 июл 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

RohanHBTU/flan-t5-base-finetuned-frnet-325ct — дообученная модель Google flan-t5-base для генерации текста по текстовому запросу. Она содержит 123,8 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает последовательности длиной до 512 токенов. Для генерации доступны результаты оценки: BLEU 35,17, loss 0,6486 и средняя длина генерации около 98 токенов.

Датасет и конкретное назначение дообучения в карточке не раскрыты, поэтому нельзя надёжно определить специализацию модели или её целевые сценарии. Лицензия — Apache-2.0. Чекпойнт опубликован в формате safetensors.

Сценарии применения

генерация текста по текстовому запросу
выполнение задач NLP в формате text-to-text

Ограничения

Назначение дообучения и обучающий датасет не описаны, поэтому качество на конкретных задачах оценить нельзя. Максимальная длина контекста — 512 токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

flan-t5-base-finetuned-frnet-325ct

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

Loss: 0.6486
Bleu: 35.1673
Gen Len: 98.1731

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: 5e-05
train_batch_size: 4
eval_batch_size: 4
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Bleu	Gen Len
0.878	1.0	8918	0.7682	28.3905	110.488
0.8594	2.0	17836	0.6753	33.6103	101.0089
0.7192	3.0	26754	0.6486	35.1673	98.1731

Framework versions

Transformers 4.41.2
Pytorch 2.1.2
Datasets 2.19.2
Tokenizers 0.19.1

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: T5ForConditionalGeneration
Ревизия весов: fbeacb9