/ Модель

Характеристики

Контекст
1 024 токена
Параметры
253 млн
Лицензия
Apache 2.0
Архитектура
bart · dense
Опубликована
6 апр 2024

bart-finetuned-lyrlen-64-lines

Языковая модель3 профессии

Дообученная модель BART для преобразования текста в текст с указанным в названии ограничением на 64 строки.

9скачиваний за 30 дней0лайковвеса обновлены7 апр 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

Модель adamjweintraut/bart-finetuned-lyrlen-64-lines — дообученная версия BART с 252,8 млн параметров для генерации текста по текстовому входу. В названии указано ограничение на 64 строки, однако README не поясняет предназначение модели и характер этой настройки. Контекст модели — до 1024 токенов.

Модель опубликована в формате Safetensors по лицензии Apache-2.0. В карточке приведён результат оценки: loss 3,6080; сведений о наборе данных, сценариях применения и ограничениях качества нет.

Сценарии применения

  • генерация текста по текстовому запросу
  • эксперименты с BART на задачах text-to-text
  • оценка качества генерации по метрике loss

Ограничения

README не раскрывает конкретную задачу, обучающий набор данных и практические ограничения модели; указанный eval loss сам по себе не позволяет оценить качество для пользовательских сценариев.

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-finetuned-lyrlen-64-lines

This model is a fine-tuned version of adamjweintraut/bart-finetuned-lyrlen-64-lines on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 3.6080

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: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
3.65750.15003.8095
3.61780.210003.8321
3.60050.315003.8091
3.54330.3920003.8274
3.52010.4925003.8042
3.48280.5930003.7598
3.44590.6935003.7713
3.40770.7940003.7030
3.35110.8945003.7266
3.33630.9950003.7175
3.2881.0855003.7260
3.26821.1860003.7454
3.26211.2865003.6824
3.25891.3870003.6718
3.20681.4875003.6544
3.1941.5880003.6718
3.15641.6885003.6809
3.1421.7790003.6412
3.10111.8795003.6384
3.07781.97100003.6148
3.0752.07105003.6441
3.07322.17110003.6390
3.07492.27115003.6148
3.00942.37120003.6366
3.02612.46125003.6325
3.03572.56130003.6202
2.97832.66135003.6271
2.95952.76140003.6171
2.96412.86145003.6115
2.96542.96150003.6080

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
0c45079

0 моделей