/ Модель

Характеристики

Параметры
291 млн
Лицензия
CC BY-NC-SA 4.0
Архитектура
mt5 · dense
Опубликована
17 мая 2023

HeackMT5-ZhSum100k

СуммаризацияТекст → текст3 профессии

Дообученная китайская mT5 для создания кратких резюме текстов, в том числе финансовых новостей.

79скачиваний за 30 дней16лайковвеса обновлены12 фев 2025

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

HeackMT5-ZhSum100k — модель для суммаризации китайского текста, созданная KongYang из Шанхайского университета Цзяотун. Это дообученная версия mT5 с архитектурой encoder-decoder и 291,2 млн параметров; веса опубликованы в формате PyTorch. Модель обучалась 10 эпох на корпусе примерно из миллиона строк, преимущественно из китайских финансовых новостей, и предназначена для создания кратких связных резюме текстов на китайском языке.

В карточке приведены оценки ROUGE-1 56,46, ROUGE-2 45,81, ROUGE-L 52,98 и ROUGE-Lsum 20,22. Модель может подойти для сокращения новостных материалов и подготовки кратких обзоров финансовых публикаций. Коммерческое использование требует отдельной платной лицензии; некоммерческое использование заявлено как бесплатное. Метаданные указывают лицензию CC-BY-NC-SA-4.0, поэтому условия карточки и метаданных следует учитывать совместно.

Сценарии применения

  • суммаризация китайских финансовых новостей
  • составление кратких обзоров китайских статей
  • сокращение длинных китайскоязычных материалов

Ограничения

Оценки в карточке не описывают качество на других типах текстов; обучение было ориентировано преимущественно на китайские финансовые новости. Указанные условия коммерческого использования в README и лицензия CC-BY-NC-SA-4.0 в метаданных требуют отдельной проверки перед коммерческим применением.

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

HeackMT5-ZhSum100k: A Summarization Model for Chinese Texts

This model, heack/HeackMT5-ZhSum100k, is a fine-tuned mT5 model for Chinese text summarization tasks. It was trained on a diverse set of Chinese datasets and is able to generate coherent and concise summaries for a wide range of texts.

Model Details

  • Model: mT5
  • Language: Chinese
  • Training data: Mainly Chinese Financial News Sources, NO BBC or CNN source. Training data contains 1M lines.
  • Finetuning epochs: 10

Evaluation Results

The model achieved the following results:

  • ROUGE-1: 56.46
  • ROUGE-2: 45.81
  • ROUGE-L: 52.98
  • ROUGE-Lsum: 20.22

Usage

Here is how you can use this model for text summarization:

from transformers import MT5ForConditionalGeneration, T5Tokenizer

model = MT5ForConditionalGeneration.from_pretrained("heack/HeackMT5-ZhSum100k")
tokenizer = T5Tokenizer.from_pretrained("heack/HeackMT5-ZhSum100k")

chunk = """
财联社5月22日讯,据平安包头微信公众号消息,近日,包头警方发布一起利用人工智能(AI)实施电信诈骗的典型案例,福州市某科技公司法人代表郭先生10分钟内被骗430万元。
4月20日中午,郭先生的好友突然通过微信视频联系他,自己的朋友在外地竞标,需要430万保证金,且需要公对公账户过账,想要借郭先生公司的账户走账。
基于对好友的信任,加上已经视频聊天核实了身份,郭先生没有核实钱款是否到账,就分两笔把430万转到了好友朋友的银行卡上。郭先生拨打好友电话,才知道被骗。骗子通过智能AI换脸和拟声技术,佯装好友对他实施了诈骗。
值得注意的是,骗子并没有使用一个仿真的好友微信添加郭先生为好友,而是直接用好友微信发起视频聊天,这也是郭先生被骗的原因之一。骗子极有可能通过技术手段盗用了郭先生好友的微信。幸运的是,接到报警后,福州、包头两地警银迅速启动止付机制,成功止付拦截336.84万元,但仍有93.16万元被转移,目前正在全力追缴中。
"""
inputs = tokenizer.encode("summarize: " + chunk, return_tensors='pt', max_length=512, truncation=True)
summary_ids = model.generate(inputs, max_length=150, num_beams=4, length_penalty=1.5, no_repeat_ngram_size=2)
summary = tokenizer.decode(summary_ids[0], skip_special_tokens=True)

print(summary)

包头警方发布一起利用AI实施电信诈骗典型案例:法人代表10分钟内被骗430万元

If you need a longer abbreviation, refer to the following code 如果需要更长的缩略语,参考如下代码:

from transformers import MT5ForConditionalGeneration, T5Tokenizer

model_heack = MT5ForConditionalGeneration.from_pretrained("heack/HeackMT5-ZhSum100k")
tokenizer_heack = T5Tokenizer.from_pretrained("heack/HeackMT5-ZhSum100k")


def _split_text(text, length):
    chunks = []
    start = 0
    while start < len(text):
        if len(text) - start > length:
            pos_forward = start + length
            pos_backward = start + length
            pos = start + length
            while (pos_forward < len(text)) and (pos_backward >= 0) and (pos_forward < 20 + pos) and  (pos_backward + 20 > pos) and text[pos_forward] not in {'.', '。',',',','} and text[pos_backward] not in {'.', '。',',',','}:
                pos_forward += 1
                pos_backward -= 1
            if pos_forward - pos >= 20 and pos_backward <= pos - 20:
                pos = start + length
            elif text[pos_backward] in {'.', '。',',',','}:
                pos = pos_backward
            else:
                pos = pos_forward
            chunks.append(text[start:pos+1])
            start = pos + 1
        else:
            chunks.append(text[start:])
            break
    # Combine last chunk with previous one if it's too short
    if len(chunks) > 1 and len(chunks[-1]) < 100:
        chunks[-2] += chunks[-1]
        chunks.pop()
    return chunks

def get_summary_heack(text, each_summary_length=150):
    chunks = _split_text(text, 300)
    summaries = []
    for chunk in chunks:
        inputs = tokenizer_heack.encode("summarize: " + chunk, return_tensors='pt', max_length=512, truncation=True)
        summary_ids = model_heack.generate(inputs, max_length=each_summary_length, num_beams=4, length_penalty=1.5, no_repeat_ngram_size=2)
        summary = tokenizer_heack.decode(summary_ids[0], skip_special_tokens=True)
        summaries.append(summary)
    return " ".join(summaries)


Credits

This model is trained and maintained by KongYang from Shanghai Jiao Tong University. For any questions, please reach out to me at my WeChat ID: kongyang.

许可协议 / License Agreement


为维护开源生态的可持续发展,并确保开发者能持续优化模型质量,我们制定以下条款:

定义

"衍生作品" 指通过量化、剪枝、蒸馏、架构修改等技术手段,直接或间接基于本模型产生的任何变体,包括但不限于:

  • GGUF/GGML等量化格式转换产物
  • 通过知识蒸馏获得的轻量化模型
  • 基于本模型参数进行的架构调整(如层数修改、注意力机制变更)
  1. 数据与训练成本说明
    训练高质量AI模型需耗费巨额资源:

    • 数据清洗与标注成本占项目总投入的60%以上,且全部采用国内合规数据源,避免国际媒体(如BBC)对中文语境的曲解性"幻觉翻译"。
    • 本项目坚持使用中立、客观的语料,旨在传播技术普惠性,促进人类理解与文明互鉴。
  2. 商业授权条款

    非商业用途: 免费

    若需用于商业场景(包括企业产品/服务):

企业类型永久授权费(人民币元)
初创企业或个人(年营业额100万以下)1,000元
中型企业(年营业额100万以上的非上市公司)5,000元
上市公司20,000元
  • 扫码支付后,您的Hugging Face账号将获得商业使用权
  • 每家企业仅限绑定1个主账号

商业授权范围包括: 对衍生作品的商业性使用,无论其是否经过格式转换或架构修改

支付方式:

  1. 原始数据服务
    如需获取原始训练数据,请通过上述二维码支付 5000元 并邮件联系 weixin: kongyang

To sustain open-source ecosystems and ensure model quality, we establish these terms:

Definitions

"Derivative Works" refer to any variants directly or indirectly derived from this model through technical means including but not limited to:

  • Quantized format conversions (GGUF/GGML, etc.)
  • Lightweight models obtained via knowledge distillation
  • Architectural modifications based on model parameters (e.g., layer adjustments, attention mechanism alterations)
  1. Data & Training Costs

    • Over 60% of project costs are spent on data cleaning using domestic compliant sources, avoiding biased narratives from international media.
    • We commit to neutral, objective training data to promote technological inclusivity.
  2. Commercial License Non-commercial Use: Free

For Commercial Applications (including enterprise products/services):

Enterprise TypePerpetual License Fee(CNY¥)
Startups Or Individuals(Annual Revenue < ¥1M)1,000
Mid-sized Enterprises (Non-listed, Annual Revenue ≥ ¥1M)5,000
Listed Companies20,000
  • Scan QR code and bind your Hugging Face account
  • 1 primary account per organization

Commercial Authorization Includes: Commercial use of derivative works, regardless of format conversions or architectural modifications

Payment Method:

  1. Raw Data Access
    For uncleaned raw datasets (including multimodal collections), pay 5000 CNY via the QR code and email support@opentech.cn

我们相信:技术向善,开源共荣
Our Belief: Ethical Tech Thrives Through Open Collaboration

WeChat ID

kongyang

Citation

If you use this model in your research, please cite:

@misc{kongyang2023heackmt5zhsum100k,
    title={HeackMT5-ZhSum100k: A Large-Scale Multilingual Abstractive Summarization for Chinese Texts},
    author={Kong Yang},
    year={2023}
}

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
883aac5

0 моделей