Bert2Bert Summarization with 🤗EncoderDecoder Framework This model is a warm-started BERT2BERT model fine-tuned on the CNN/Dailymail summarization dataset.
The model achieves a 18.22 ROUGE-2 score on CNN/Dailymail's test dataset.
Характеристики
- Контекст
- 512 токенов
- Лицензия
- Apache 2.0
- Архитектура
- encoder-decoder · dense
- Опубликована
- 28 дек 2022
Ссылки
BERT_summary
Англоязычная BERT2BERT-модель для создания кратких пересказов новостных текстов.
15скачиваний за 30 дней7лайковвеса обновлены28 дек 2022
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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Shobhank-iiitdwd/BERT_summary — модель суммаризации текста на основе архитектуры BERT2BERT, реализованная через EncoderDecoder Framework библиотеки Transformers. Это warm-started encoder-decoder модель, дообученная на датасете CNN/DailyMail для создания кратких пересказов новостных текстов. В карточке указана оценка ROUGE-2 18,22 на тестовой выборке CNN/DailyMail.
Модель принимает текст и генерирует текстовое резюме; карточка ориентирует её на англоязычные новости. Репозиторий содержит веса PyTorch. Модель распространяется по лицензии Apache-2.0.
Сценарии применения
- суммаризация англоязычных новостных статей
- создание кратких пересказов текстов CNN/DailyMail
- сжатие длинных новостных материалов до краткого резюме
Ограничения
Оценка ROUGE-2 18,22 приведена только для тестового набора CNN/DailyMail и не гарантирует такое же качество на других типах текстов. В карточке не заявлена поддержка языков помимо английского.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- EncoderDecoderModel
- Ревизия весов
- 71da741