/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
385 млн
Лицензия
Apache 2.0
Архитектура
longt5 · dense
Опубликована
16 апр 2022

long-t5-tglobal-large

Языковая модель8 профессий

Англоязычный LongT5 с transient-global attention для дообучения на суммаризацию и ответы на вопросы по длинным текстам.

2 515скачиваний за 30 дней20лайковвеса обновлены11 сен 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

google/long-t5-tglobal-large — крупная англоязычная модель Google Research из семейства LongT5. Это предварительно обученный трансформер-кодировщик-декодировщик для генерации текста в формате «текст в текст», обученный восстанавливать исходный текст по искажённому входу. Архитектура использует transient-global attention, чтобы эффективнее обрабатывать длинные последовательности; в метаданных указаны 385,2 млн параметров и контекст 4096 токенов.

Модель предназначена прежде всего для дообучения под суммаризацию и ответы на вопросы по длинным документам. В README приведены результаты её дообученных вариантов на наборах данных для научных статей, патентов, биомедицинских текстов и вопросов общего характера. Модель рассчитана на английский язык и принимает текст, выдавая текст.

Это базовый чекпойнт, а не готовый специализированный помощник: для конкретной задачи рекомендуется supervised fine-tuning. Выпускается по лицензии Apache-2.0. Заявленная в README способность обрабатывать до 16 384 входных токенов относится к описанным экспериментам и не совпадает с контекстом 4096 токенов в метаданных репозитория.

Сценарии применения

  • дообучение на суммаризацию научных статей
  • суммаризация патентов после адаптации под задачу
  • ответы на вопросы по длинным документам после дообучения
  • генерация текста из длинного англоязычного входа

Ограничения

Это предварительно обученный базовый чекпойнт, поэтому для надёжного решения конкретной задачи его следует дообучить. README описывает эксперименты с входом до 16 384 токенов, тогда как метаданные указывают контекст 4096 токенов.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LongT5 (transient-global attention, large-sized model)

LongT5 model pre-trained on English language. The model was introduced in the paper LongT5: Efficient Text-To-Text Transformer for Long Sequences by Guo et al. and first released in the LongT5 repository. All the model architecture and configuration can be found in Flaxformer repository which uses another Google research project repository T5x.

Disclaimer: The team releasing LongT5 did not write a model card for this model so this model card has been written by the Hugging Face team.

Model description

LongT5 model is an encoder-decoder transformer pre-trained in a text-to-text denoising generative setting (Pegasus-like generation pre-training). LongT5 model is an extension of T5 model, and it enables using one of the two different efficient attention mechanisms - (1) Local attention, or (2) Transient-Global attention. The usage of attention sparsity patterns allows the model to efficiently handle input sequence.

LongT5 is particularly effective when fine-tuned for text generation (summarization, question answering) which requires handling long input sequences (up to 16,384 tokens).

Results of LongT5 (transient-global attention, large-sized model) fine-tuned on multiple (summarization, QA) tasks.

DatasetRouge-1Rouge-2Rouge-Lsum
arXiv (16k input)48.2821.6344.11
PubMed (16k input)49.9824.6946.46
BigPatent (16k input)70.3856.8162.73
MultiNews (8k input)47.1818.4424.18
MediaSum (4k input)35.5419.0432.20
CNN / DailyMail (4k input)42.4920.5140.18
DatasetEMF1
Natural Questions (4k input)60.7765.38
Trivia QA (16k input)78.3882.45

Intended uses & limitations

The model is mostly meant to be fine-tuned on a supervised dataset. See the model hub to look for fine-tuned versions on a task that interests you.

How to use

from transformers import AutoTokenizer, LongT5Model

tokenizer = AutoTokenizer.from_pretrained("google/long-t5-tglobal-large")
model = LongT5Model.from_pretrained("google/long-t5-tglobal-large")

inputs = tokenizer("Hello, my dog is cute", return_tensors="pt")
outputs = model(**inputs)

last_hidden_states = outputs.last_hidden_state

BibTeX entry and citation info

@article{guo2021longt5,
  title={LongT5: Efficient Text-To-Text Transformer for Long Sequences},
  author={Guo, Mandy and Ainslie, Joshua and Uthus, David and Ontanon, Santiago and Ni, Jianmo and Sung, Yun-Hsuan and Yang, Yinfei},
  journal={arXiv preprint arXiv:2112.07916},
  year={2021}
}

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
LongT5ForConditionalGeneration
Ревизия весов
fb4ba84

0 моделей