/ Модель

Характеристики

Контекст
1 024 токена
Параметры
95,2 млн
Лицензия
Apache 2.0
Архитектура
bart · dense
Базовая модель
bart-base
Опубликована
1 июн 2023

bart-hindi

СуммаризацияТекст → текст3 профессии

Дообученная на корпусе хинди модель BART для автоматического краткого пересказа текстов.

40скачиваний за 30 дней1лайквеса обновлены15 сен 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

Someman/bart-hindi — модель суммаризации на основе BART, разработанная дообучением facebook/bart-base на наборе Someman/hindi-summarization. Она предназначена для создания кратких пересказов текста на хинди. Модель использует encoder-decoder архитектуру BART и содержит 95,2 млн параметров; максимальная длина контекста — 1024 токена.

Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. В карточке приведено значение loss 0,4985 на оценочной выборке; подробности методики оценки и ограничения применения не описаны.

Сценарии применения

  • создание кратких пересказов текстов на хинди
  • суммаризация новостных статей на хинди
  • сокращение длинных текстов на хинди для быстрого чтения

Ограничения

Контекст ограничен 1024 токенами. В карточке не описаны методика оценки и ограничения по качеству или тематике входных текстов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bart-hindi

This model is a fine-tuned version of facebook/bart-base on the Someman/hindi-summarization dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4985

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: 1
  • eval_batch_size: 1
  • seed: 42
  • gradient_accumulation_steps: 16
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
0.65680.145000.6501
0.6820.2910000.5757
0.53310.4315000.5530
0.56120.5820000.5311
0.56850.7225000.5043
0.49930.8730000.4985

Framework versions

  • Transformers 4.29.2
  • Pytorch 2.0.1+cu118
  • Datasets 2.12.0
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BartForConditionalGeneration
Ревизия весов
791903e

0 моделей