Характеристики

Контекст: 1 024 токена
Параметры: 457 млн
Лицензия: MIT
Архитектура: mbart · dense
Базовая модель: mbart-large-50
Библиотека: transformers
Опубликована: 7 сен 2024

Ссылки

Hugging Face

mbart-sci-tr

aparajitha

Языковая модель3 профессии

Дообученная модель mBART-large-50 для преобразования текста, чья конкретная специализация в карточке не раскрыта.

9скачиваний за 30 дней0лайковвеса обновлены7 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-sci-tr — дообученная модель на базе facebook/mbart-large-50, созданная для преобразования текста. В карточке не уточняется назначение суффикса «sci-tr» и не приводятся сведения о датасете; указана только метрика Loss 2,5785 на наборе оценки.

Модель использует архитектуру mBART для генерации последовательности по входному тексту, содержит 457,4 млн параметров и имеет контекст длиной до 1024 токенов. Библиотека запуска — Transformers, веса доступны в формате safetensors. Лицензия — MIT.

Сценарии применения

Генерация текста по текстовому запросу
Преобразование последовательностей текста в экспериментальных задачах
Оценка модели в задачах преобразования текста

Ограничения

Назначение дообучения, обучающий датасет и подробности оценки не раскрыты; приведено только значение Loss без описания протокола. Поддерживаемые языки конкретно для этого чекпойнта не указаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mbart-sci-tr

This model is a fine-tuned version of facebook/mbart-large-50 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 2.5785

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 Loss	Epoch	Step	Validation Loss
3.2766	1.0	697	2.7514
2.7113	2.0	1394	2.6414
2.4987	3.0	2091	2.5912
2.3388	4.0	2788	2.5784
2.2795	5.0	3485	2.5751
2.1717	6.0	4182	2.5785

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: aa8e4a6