/ Модель

Характеристики

Параметры
291 млн
Лицензия
Apache 2.0
Архитектура
mt5 · dense
Опубликована
22 мая 2022

mt5-base-finetuned-arur

СуммаризацияТекст → текст3 профессии

Дообученная mT5-base для суммаризации текстов на арабском и урду.

42скачиваний за 30 дней0лайковвеса обновлены22 мая 2022

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

eslamxm/mt5-base-finetuned-arur — дообученная модель на базе google/mt5-base, созданная для суммаризации текста. Она построена на архитектуре mT5 и содержит 291,2 млн параметров; карточка указывает арабский и урду как языки модели. Модель предназначена для генерации краткого пересказа исходного текста. В README приведены результаты оценки: ROUGE-1 26,73, ROUGE-2 12,63, ROUGE-L 23,96 и BERTScore 71,41.

Модель распространяется в формате PyTorch по лицензии Apache-2.0. README указывает, что обучение проводилось на неопределённом датасете, поэтому область данных и переносимость результатов на разные типы текстов неясны.

Сценарии применения

  • составление краткого пересказа арабской статьи
  • суммаризация новостей на урду
  • создание краткой версии длинного текста на арабском
  • подготовка тезисов из текста на урду

Ограничения

README не описывает обучающий датасет и ограничения применения; поэтому результаты могут зависеть от тематики и стиля входного текста. Приведённые метрики относятся к оценочному набору, который не охарактеризован.

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-base-finetuned-ar-fa

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

  • Loss: 3.0303
  • Rouge-1: 26.73
  • Rouge-2: 12.63
  • Rouge-l: 23.96
  • Gen Len: 18.99
  • Bertscore: 71.41

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: 0.0005
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 5
  • label_smoothing_factor: 0.1

Training results

Training LossEpochStepValidation LossRouge-1Rouge-2Rouge-lGen LenBertscore
3.77361.032873.230824.2210.1121.4618.9970.69
3.37832.065743.128325.2810.922.4318.9971.02
3.23513.098613.069325.7711.3622.9319.071.2
3.13634.0131483.042125.8811.5723.0818.9971.22
3.06695.0164353.030326.2511.8423.4418.9971.39

Framework versions

  • Transformers 4.19.2
  • Pytorch 1.11.0+cu113
  • Datasets 2.2.2
  • Tokenizers 0.12.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MT5ForConditionalGeneration
Ревизия весов
1e1758d

0 моделей