/ Модель

Характеристики

Параметры
291 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Опубликована
11 ноя 2022

squad-bn-mt5-base2

Языковая модель3 профессии

Дообученная на базе mT5-base модель для генерации ответов на вопросы, предположительно на бенгальском языке.

14скачиваний за 30 дней1лайквеса обновлены31 июл 2023

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

Tahsin-Mayeesha/squad-bn-mt5-base2 — дообученная модель на базе google/mt5-base, построенная на архитектуре T5 и предназначенная для генерации текста по текстовому запросу. Название модели указывает на работу с вопросами и ответами по SQuAD на бенгальском языке, однако README не описывает формат входа и обучающий набор данных: в карточке датасет обозначен как None.

В README приведены результаты оценки: ROUGE-1 F-меры 32,67 и BLEU-4 6,62. Модель содержит 291,2 млн параметров, доступна в формате PyTorch и распространяется по лицензии Apache-2.0. Карточка не сообщает о длине контекста или практических ограничениях.

Сценарии применения

  • ответы на вопросы по тексту на бенгальском языке
  • извлечение краткого ответа из контекста
  • создание бенгальской системы вопросов и ответов

Ограничения

README указывает обучающий набор данных как None и не описывает intended use или ограничения. Приведённые метрики относятся к оценочному набору, характеристики которого не раскрыты.

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

squad-bn-mt5-base2

This model is a fine-tuned version of google/mt5-base on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5309
  • Rouge1 Precision: 37.5039
  • Rouge1 Recall: 30.4476
  • Rouge1 Fmeasure: 32.6695
  • Rouge2 Precision: 16.2843
  • Rouge2 Recall: 12.9093
  • Rouge2 Fmeasure: 13.9246
  • Rougel Precision: 35.2648
  • Rougel Recall: 28.6919
  • Rougel Fmeasure: 30.7578
  • Rougelsum Precision: 35.2646
  • Rougelsum Recall: 28.6829
  • Rougelsum Fmeasure: 30.7527
  • Bleu-1: 23.9098
  • Bleu-2: 14.7458
  • Bleu-3: 9.684
  • Bleu-4: 6.6217
  • Meteor: 0.142

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: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 4

Training results

Training LossEpochStepValidation LossRouge1 PrecisionRouge1 RecallRouge1 FmeasureRouge2 PrecisionRouge2 RecallRouge2 FmeasureRougel PrecisionRougel RecallRougel FmeasureRougelsum PrecisionRougelsum RecallRougelsum FmeasureBleu-1Bleu-2Bleu-3Bleu-4Meteor
0.6981.067690.565435.117328.568930.616414.756511.688512.601233.024126.930928.824533.006126.907528.80722.616313.68418.83465.9260.1314
0.62022.0135380.543736.379529.511631.667515.539812.302213.280534.303627.874929.888134.249827.838429.843923.274414.19999.27156.29080.1364
0.58783.0203070.532237.252230.118532.370116.043712.639613.666435.006228.365730.448734.974228.331930.419523.756914.57819.54296.520.1407
0.57614.0270760.530937.530.451332.672316.281312.907913.928435.266228.692430.75535.250928.675930.744423.909814.74589.6846.62170.142

Framework versions

  • Transformers 4.24.0
  • Pytorch 1.12.1+cu113
  • Datasets 2.6.1
  • Tokenizers 0.13.2

Citation

@misc {tahsin_mayeesha_2023, author = { {Tahsin Mayeesha} }, title = { squad-bn-mt5-base2 (Revision 4ab9b63) }, year = 2023, url = { https://huggingface.co/Tahsin-Mayeesha/squad-bn-mt5-base2 }, doi = { 10.57967/hf/0940 }, publisher = { Hugging Face } }

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
T5ForConditionalGeneration
Ревизия весов
9572176

0 моделей