/ Модель

Характеристики

Контекст
1 024 токена
Параметры
457 млн
Лицензия
MIT
Архитектура
mbart · dense
Базовая модель
mbart-sci-ft
Библиотека
transformers
Опубликована
6 сен 2024

mbart-ft-sci-ms-en

Языковая модель3 профессии

Дообученная mBART Seq2Seq-модель для преобразования текста с неуточнённым назначением.

14скачиваний за 30 дней0лайковвеса обновлены6 сен 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

aparajitha/mbart-ft-sci-ms-en — дообученная модель семейства mBART на базе aparajitha/mbart-sci-ft, созданная для преобразования текста с помощью архитектуры Seq2Seq. В репозитории указана оценка Loss 2.0887 на тестовой выборке, но назначение преобразования и использованный датасет не описаны.

Модель содержит 457,4 млн параметров, использует библиотеку Transformers и формат safetensors. Длина контекста — 1024 токена. Лицензия — MIT. По доступным сведениям нельзя надёжно определить поддерживаемые языки или конкретные сценарии применения.

Сценарии применения

  • преобразование текста в формате Seq2Seq

Ограничения

Датасет и целевое назначение дообучения не описаны, поэтому качество для конкретных задач оценить нельзя. В README приведено значение Loss 2.0887 без дополнительных сведений об оценивании.

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

mbart-ft-sci-ms-en

This model is a fine-tuned version of aparajitha/mbart-sci-ft on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 2.0887

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: 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: 6

Training results

Training LossEpochStepValidation Loss
No log1.02742.1670
2.24072.05482.0965
2.24073.08222.0736
1.83514.010962.0798
1.83515.013702.0785
1.66666.016442.0887

Framework versions

  • Transformers 4.44.2
  • Pytorch 2.3.1.post300
  • Datasets 2.19.1
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

У модели не указана задача.

Класс архитектуры
MBartForConditionalGeneration
Ревизия весов
5224004

0 моделей