/ Модель

Характеристики

Параметры
291 млн
Архитектура
mt5 · dense
Базовая модель
mT5_multilingual_XLSum
Опубликована
28 янв 2025

mt5-sci-fl

Языковая модель3 профессии

Дообученная версия многоязычной mT5 для автоматического краткого пересказа текстов.

16скачиваний за 30 дней0лайковвеса обновлены28 янв 2025

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/mt5-sci-fl — модель семейства mT5, дообученная на базе csebuetnlp/mT5_multilingual_XLSum. Веса содержат 291,2 млн параметров и представлены в формате safetensors. Базовая модель предназначена для краткого пересказа текстов на 45 языках; эта версия оценена по значению loss 2,9837 на тестовом наборе.

Предположительно, модель предназначена для автоматического суммирования текста. Карточка не раскрывает обучающий набор, целевые сценарии, языки и качество на отдельных задачах, поэтому пригодность именно для научных текстов установить нельзя. Лицензия в предоставленных данных не указана.

Сценарии применения

  • составление кратких пересказов текстов
  • суммирование многоязычных документов
  • получение краткого содержания длинного текста

Ограничения

Данные обучения и целевые сценарии этой версии не описаны; качество подтверждено только одним значением loss без контекста оценки. Лицензия не указана в предоставленных данных.

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

mt5-sci-fl

This model is a fine-tuned version of csebuetnlp/mT5_multilingual_XLSum on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 2.9837

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: 2
  • eval_batch_size: 2
  • 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
3.59271.029043.2806
3.33612.058083.1240
3.23283.087123.0544
3.1544.0116163.0139
3.08925.0145202.9940
3.10446.0174242.9837

Framework versions

  • Transformers 4.40.2
  • Pytorch 2.4.1.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

Нельзя запустить

У модели не указана задача.

Класс архитектуры
MT5ForConditionalGeneration
Ревизия весов
796888b

0 моделей