/ Модель
Каталог

Характеристики

Параметры
291 млн
Лицензия
Apache 2.0
Архитектура
mt5 · dense
Базовая модель
mt5-base_V25775
Опубликована
19 ноя 2023

Ссылки

Hugging Face

mt5-base_V25775_V44105

emilstabil
Языковая модель3 профессии

Дообученная модель mT5 с 291,2 млн параметров для генерации текста по текстовому входу.

9скачиваний за 30 дней0лайковвеса обновлены20 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

emilstabil/mt5-base_V25775_V44105 — модель семейства mT5, дообученная разработчиком на базе emilstabil/mt5-base_V25775. Это плотная модель типа encoder-decoder с 291,2 млн параметров, предназначенная для генерации текста по текстовому входу. Для неё опубликованы результаты оценки: Loss 2,1019, ROUGE-1 30,2631, ROUGE-2 10,8564, ROUGE-L 20,9297 и ROUGE-Lsum 24,8312; длина генерации при оценке составила около 81 токена.

Карточка не сообщает, на каких данных проводилось дообучение и для какого конкретного сценария предназначена модель, поэтому метрики не позволяют определить качество на отдельной прикладной задаче. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0.

Сценарии применения

  • генерация текста по текстовой инструкции
  • эксперименты с дообучением моделей mT5
  • оценка генерации текста по метрикам ROUGE

Ограничения

Назначение дообучения и обучающие данные не описаны, поэтому нельзя установить специализацию модели или переносить опубликованные метрики на конкретные сценарии. Языки не указаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.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

mt5-base_V25775_V44105

This model is a fine-tuned version of emilstabil/mt5-base_V25775 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 2.1019
  • Rouge1: 30.2631
  • Rouge2: 10.8564
  • Rougel: 20.9297
  • Rougelsum: 24.8312
  • Gen Len: 80.9356

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: 3e-05
  • train_batch_size: 3
  • eval_batch_size: 3
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 20

Training results

Training LossEpochStepValidation LossRouge1Rouge2RougelRougelsumGen Len
2.320.815002.143528.738610.948120.397523.819574.2704
2.23931.6110002.105329.185610.704220.486424.122175.515
2.21242.4215002.115728.684510.939720.407523.915474.8627
2.16353.2320002.123228.837310.836420.474324.026974.1845
2.11484.0325002.114929.048411.089820.671124.096373.9571
2.09044.8430002.110129.591111.202720.88324.377676.8412
2.05985.6535002.121229.527610.855120.546624.146978.4506
2.05966.4540002.136829.883210.957820.796224.468680.3777
2.01357.2645002.117329.531410.688120.37524.248381.5751
2.00858.0650002.105029.793211.048120.848124.559878.5708
2.00068.8755002.123330.422511.312521.150924.917181.3648
1.98889.6860002.106729.901310.767220.652324.587878.7897
1.949610.4865002.103629.745310.958320.739624.382478.7425
1.951311.2970002.112529.548410.75220.486124.309779.0558
1.947612.175002.101429.629610.825220.641224.290876.1202
1.929412.980002.110229.945610.912120.807724.578779.515
1.903613.7185002.097730.117310.935220.917624.972580.9056
1.941514.5290002.101129.924710.822320.760924.685881.103
1.895915.3295002.099829.800210.620620.567424.696680.4549
1.935616.13100002.103830.35511.035921.034725.047580.8927
1.895816.94105002.102930.395711.056221.106725.143182.1588
1.909317.74110002.100230.466910.989420.972524.959881.1888
1.896918.55115002.104530.495610.942620.957824.997381.824
1.897119.35120002.101930.263110.856420.929724.831280.9356

Framework versions

  • Transformers 4.32.1
  • Pytorch 2.1.0
  • Datasets 2.12.0
  • Tokenizers 0.13.3

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
7df7ab2

0 моделей

    Создать бенчмарк