Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Базовая модель: t5-small
Библиотека: transformers
Опубликована: 22 ноя 2024

Ссылки

Hugging Face

html-accessibility-fixer

SnehaPriyaaMP

Языковая модель3 профессии

Дообученная T5-small для исправления проблем доступности в HTML.

18скачиваний за 30 дней0лайковвеса обновлены22 ноя 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

html-accessibility-fixer — дообученная SnehaPriyaaMP версия модели T5-small для преобразования текста. По названию репозитория модель предназначена для исправления проблем доступности в HTML. Архитектура — T5ForConditionalGeneration, размер — 38,5 млн параметров, формат весов — safetensors; модель использует библиотеку Transformers и имеет контекст до 512 токенов.

В карточке указана оценка Loss 2,7182 на тестовом наборе, однако набор данных и подробности оценки не описаны. Модель распространяется по лицензии Apache-2.0. README не содержит подробного описания возможностей или ограничений, поэтому качество исправлений и поддерживаемые виды проблем доступности по этим данным оценить нельзя.

Сценарии применения

исправление разметки HTML для улучшения доступности
подготовка HTML к проверке доступности

Ограничения

Датасет обучения и конкретные поддерживаемые виды исправлений не описаны. Указана оценка Loss 2,7182, но без подробностей тестового набора и методики её интерпретация ограничена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.3Разработка и данныеРефакторинг, миграция и модернизацияAI помогает улучшать структуру программ и переносить их на новые технологии без потери поведения.20 задач9 764модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

html-accessibility-fixer

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

Loss: 2.7182

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: 8
eval_batch_size: 8
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss
No log	1.0	3	4.2289
No log	2.0	6	2.9947
No log	3.0	9	2.7182

Framework versions

Transformers 4.46.2
Pytorch 2.5.1+cu121
Tokenizers 0.20.3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

У модели не указана задача.

Класс архитектуры: T5ForConditionalGeneration
Ревизия весов: 12565aa