/ Модель

Характеристики

Контекст
512 токенов
Параметры
385 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Базовая модель
flan-t5-large
Опубликована
3 янв 2025

FLAN-T5-Paraphraser

Генерация текстаТекст → текст4 профессии

Дообученная на парах перефразирования FLAN-T5-large для создания разнообразных формулировок и состязательных обучающих примеров.

148скачиваний за 30 дней8лайковвеса обновлены6 янв 2025

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

alykassem/FLAN-T5-Paraphraser — модель перефразирования, разработанная для исследования по поиску граничных случаев с помощью целевого перефразирования. Она основана на FLAN-T5-large и дообучена в течение девяти эпох на отфильтрованном наборе из 96 073 пар перефразирования, собранных из семи источников. Модель принимает текст и генерирует его перефразированный вариант; в описании заявлена поддержка обычного и целевого перефразирования для создания разнообразных формулировок.

Основной сценарий применения — генерация состязательных обучающих примеров, помогающих находить граничные случаи в моделях машинного обучения при небольшом искажении исходного распределения данных. Модель также подходит для общего перефразирования и интеграции с библиотекой Parrot. В карточке указаны 385,2 млн параметров, архитектура T5, контекст до 512 токенов и лицензия Apache-2.0. Для английского языка есть подтверждение в метаданных; качество для других языков не заявлено.

Сценарии применения

  • создание состязательных примеров для проверки моделей машинного обучения
  • поиск граничных случаев в системах обработки текста
  • перефразирование предложений с сохранением смысла
  • генерация разнообразных формулировок для обучающих данных

Ограничения

В карточке качество подтверждено для задачи перефразирования; поддержка языков кроме английского не заявлена. Контекст ограничен 512 токенами.

Для каких профессий подходит4

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

Targeted Paraphrasing Model for Adversarial Data Generation

This repository provides the (UN)-Targeted Paraphrasing Model, developed as part of the research presented in the paper:
"Finding a Needle in the Adversarial Haystack: A Targeted Paraphrasing Approach For Uncovering Edge Cases with Minimal Distribution Distortion."

The model is designed to generate high-quality paraphrases with enhanced fluency, diversity, and relevance, and is tailored for applications in adversarial data generation.


Table of Contents

  1. Paraphrasing Datasets
  2. Model Description
  3. Applications
  4. Citation

Paraphrasing Datasets

The training process utilized a meticulously curated dataset comprising 560,550 paraphrase pairs from seven high-quality sources:

  • APT Dataset (Nighojkar and Licato, 2021)
  • Microsoft Research Paraphrase Corpus (MSRP) (Dolan and Brockett, 2005)
  • PARANMT-50M (Wieting and Gimpel, 2018)
  • TwitterPPDB (Lan et al., 2017)
  • PIT-2015 (Xu et al., 2015)
  • PARADE (He et al., 2020)
  • Quora Question Pairs (QQP) (Iyer et al., 2017)

Filtering steps were applied to ensure high-quality and diverse data:

  1. Removal of pairs with over 50% unigram overlap to improve lexical diversity.
  2. Elimination of pairs with less than 50% reordering of shared words for syntactic diversity.
  3. Filtering out pairs with less than 50% semantic similarity, leveraging cosine similarity scores from the "all-MiniLM-L12-v2" model.
  4. Discarding pairs with over 70% trigram overlap to enhance diversity.

The refined dataset consists of 96,073 samples, split into training (76,857), validation (9,608), and testing (9,608) subsets.


Model Description

The paraphrasing model is built upon FLAN-T5-large and fine-tuned on the filtered dataset for nine epochs. Key features include:

  • Performance: Achieves an F1 BERT-Score of 75.925%, reflecting superior fluency and paraphrasing ability.
  • Task-Specificity: Focused training on relevant pairs ensures high-quality task-specific outputs.
  • Enhanced Generation: Generates paraphrases introducing new information about entities or objects, improving overall generation quality.

Applications

This model is primarily designed to create adversarial training samples that effectively uncover edge cases in machine learning models while maintaining minimal distribution distortion.

Additionally, the model is suitable for general paraphrasing purposes, making it a versatile tool for generating high-quality paraphrases across various contexts. It is compatible with the Parrot paraphrasing library for seamless integration and usage. Below is an example of how to use the model with the Parrot library:

Installation

To install the Parrot library, run:

pip install git+https://github.com/PrithivirajDamodaran/Parrot_Paraphraser.git

Usage

In Transformers

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

model_name = "alykassem/FLAN-T5-Paraphraser"  

# Load the tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_name)

# Load the model
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

# Example usage: Tokenize input and generate output
input_text = "Paraphrase: How are you?"
inputs = tokenizer(input_text, return_tensors="pt")

# Generate response
outputs = model.generate(**inputs)
decoded_output = tokenizer.decode(outputs[0], skip_special_tokens=True)

print("Generated text:", decoded_output)

In Parrot

from parrot import Parrot
import torch
import warnings
warnings.filterwarnings("ignore")

# Uncomment to get reproducible paraphrase generations
# def random_state(seed):
#     torch.manual_seed(seed)
#     if torch.cuda.is_available():
#         torch.cuda.manual_seed_all(seed)

# random_state(1234)

# Initialize the Parrot model (ensure initialization occurs only once in your code)
parrot = Parrot(model_tag="alykassem/FLAN-T5-Paraphraser", use_gpu=True)

phrases = [
    "Can you recommend some upscale restaurants in New York?",
    "What are the famous places we should not miss in Russia?"
]

for phrase in phrases:
    print("-" * 100)
    print("Input Phrase: ", phrase)
    print("-" * 100)
    para_phrases = parrot.augment(input_phrase=phrase)
    for para_phrase in para_phrases:
        print(para_phrase)

Citation

If you find this work or model useful, please cite the paper:

@inproceedings{kassem-saad-2024-finding,
    title = "Finding a Needle in the Adversarial Haystack: A Targeted Paraphrasing Approach For Uncovering Edge Cases with Minimal Distribution Distortion",
    author = "Kassem, Aly  and
      Saad, Sherif",
    editor = "Graham, Yvette  and
      Purver, Matthew",
    booktitle = "Proceedings of the 18th Conference of the European Chapter of the Association for Computational Linguistics (Volume 1: Long Papers)",
    month = mar,
    year = "2024",
    address = "St. Julian{'}s, Malta",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2024.eacl-long.33/",
    pages = "552--572",
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
dfa3ba3

0 моделей