/ Модель

Характеристики

Контекст
1 024 токена
Параметры
253 млн
Лицензия
MIT
Архитектура
bart · dense
Базовая модель
bart-large-cnn
Опубликована
21 мар 2024

bart-cnn-samsum-finetuned

Языковая модель5 профессий

Дообученная BART-модель для краткого пересказа текстов, в том числе диалогов.

9скачиваний за 30 дней0лайковвеса обновлены21 мар 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

Shre09/bart-cnn-samsum-finetuned — модель семейства BART, дообученная на основе facebook/bart-large-cnn. Она предназначена для генерации кратких пересказов текста; название указывает на настройку для диалоговых сводок, однако README не подтверждает состав обучающего набора или целевые сценарии. Модель содержит 252,8 млн параметров, принимает текст с контекстом до 1024 токенов и выдаёт текст.

В метаданных указан формат safetensors и лицензия MIT. README сообщает значение loss 0,1421 на оценочном наборе, но не уточняет набор данных и методику оценки.

Сценарии применения

  • составление краткой сводки диалога
  • сжатие длинного текста до краткого пересказа
  • создание краткого пересказа статьи

Ограничения

README не раскрывает обучающий набор, intended uses и ограничения; качество и применимость к конкретным типам текстов по приведённому значению loss оценить нельзя. Контекст ограничен 1024 токенами.

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

bart-cnn-samsum-finetuned

This model is a fine-tuned version of facebook/bart-large-cnn on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1421

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: 1e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
0.11311.0740.1421

Framework versions

  • Transformers 4.38.2
  • Pytorch 2.2.1+cu121
  • Datasets 2.18.0
  • Tokenizers 0.15.2

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
BartForConditionalGeneration
Ревизия весов
1b0decb

0 моделей