Характеристики

Контекст: 1 024 токена
Параметры: 253 млн
Лицензия: MIT
Архитектура: bart · dense
Базовая модель: bart-large-xsum
Опубликована: 7 ноя 2023

Ссылки

Hugging Face

bert_large_xsum_samsum

alexdg19

Языковая модель

Дообученная на SAMSum модель BART для создания кратких пересказов англоязычных диалогов.

5скачиваний за 30 дней0лайковвеса обновлены7 ноя 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

Модель alexdg19/bert_large_xsum_samsum — дообученная на наборе SAMSum модель facebook/bart-large-xsum на архитектуре BART с 252,8 млн параметров. Она создаёт краткие пересказы англоязычных диалогов и предназначена для автоматического суммирования переписок и разговоров. Для неё указано контекстное окно до 1024 токенов; веса доступны в формате safetensors.

В карточке приведены результаты оценки на тестовой выборке SAMSum: ROUGE-1 0,5083, ROUGE-2 0,2528 и ROUGE-L 0,41. Модель распространяется по лицензии MIT. Поддержка других языков и дополнительные сценарии применения не подтверждены.

Сценарии применения

краткий пересказ переписки в чате
суммирование диалогов службы поддержки
подготовка выжимки из группового разговора

Ограничения

Заявленная оценка относится к тестовой выборке SAMSum; результаты на других типах диалогов не приведены. В карточке не описаны ограничения по длине входного диалога помимо контекста до 1024 токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert_large_xsum_samsum

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

Loss: 1.9030
Rouge1: 0.5083
Rouge2: 0.2528
Rougel: 0.41
Rougelsum: 0.4105
Gen Len: 29.0183

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: 2e-05
train_batch_size: 4
eval_batch_size: 4
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 16
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Rouge1	Rouge2	Rougel	Rougelsum	Gen Len
No log	1.0	41	1.6008	0.4779	0.2349	0.4058	0.4056	21.1037
No log	2.0	82	1.5804	0.5104	0.2526	0.4242	0.4239	24.689
No log	3.0	123	1.7310	0.5148	0.253	0.4162	0.4155	28.0793
No log	4.0	164	1.7974	0.5019	0.2443	0.4127	0.4125	25.189
No log	5.0	205	1.9030	0.5083	0.2528	0.41	0.4105	29.0183

Framework versions

Transformers 4.35.0
Pytorch 2.1.0+cu118
Datasets 2.14.6
Tokenizers 0.14.1

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: 251d096