/ Модель

Характеристики

Контекст
512 токенов
Параметры
561 млн
Лицензия
MIT
Архитектура
t5 · dense
Опубликована
21 сен 2022

t5-efficient-large-nl36_fine_tune_sum_V2

СуммаризацияТекст → текст5 профессий

Дообученная модель T5 для суммаризации английских текстов и диалогов.

42скачиваний за 30 дней7лайковвеса обновлены6 окт 2023

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

Samuel-Fipps/t5-efficient-large-nl36_fine_tune_sum_V2 — дообученная модель семейства T5, опубликованная Samuel Fipps для суммаризации текста. В карточке указано, что обучение проводилось на обучающей части датасета SAMSum; модель принимает текст и генерирует его краткое изложение. Для запуска используется формат PyTorch и библиотека Transformers.

Модель насчитывает 561,4 млн параметров и имеет контекст длиной до 512 токенов. README рекомендует подавать текст без префикса «summarize». Подходит для краткого пересказа диалогов и других текстов на английском языке. Распространяется по лицензии MIT.

Сценарии применения

  • составление кратких пересказов переписок
  • сжатие диалогов поддержки
  • краткое изложение англоязычных текстов

Ограничения

Контекст ограничен 512 токенами. Модель обучалась на обучающей части SAMSum, поэтому её качество для текстов других типов в карточке не подтверждено.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

NOT SELF REPORTED VALUES FOR THE LEADERBOARD, I HAVE NO CLUE WHY ITS BROKE. CHECK PULL REQUEST

Use summarization without adding summarize to the start of the string.

Trained on Samsum train split.

Parameters for training:

no_decay = ["bias", "LayerNorm.weight", "layer_norm.weight"] optimizer_grouped_parameters = [ { "params": [p for n, p in model.named_parameters() if not any(nd in n for nd in no_decay)], "weight_decay": 0.0, }, { "params": [p for n, p in model.named_parameters() if any(nd in n for nd in no_decay)], "weight_decay": 0.0, }, ]

lr = 0.00005 optimizer = torch.optim.RAdam(optimizer_grouped_parameters, lr=lr)

lr_scheduler = get_scheduler( name="linear", optimizer=optimizer, num_warmup_steps=0, num_training_steps=50005)

This was only for 10K steps with a batch size of 10

If you want more info, feel free to message me or email me at: samuelfipps@gmail.com

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
ef7d81f

0 моделей