Характеристики

Контекст: 1 024 токена
Параметры: 184 млн
Архитектура: t5 · dense
Базовая модель: AraT5v2-base-1024
Опубликована: 2 июн 2024

Ссылки

Hugging Face

results_arat5-2_wiki

hiba2

Языковая модель

Дообученная арабоязычная модель T5 для преобразования текста, связанная с Wikipedia, с неуточнённой целевой задачей.

7скачиваний за 30 дней0лайковвеса обновлены2 июн 2024

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

resultsarat5-2wiki — дообученная модель на базе UBC-NLP/AraT5v2-base-1024, разработчик которой указал неизвестный датасет обучения. Это модель архитектуры T5 с примерно 183,7 млн параметров, предназначенная для преобразования текста в текст. Карточка не уточняет целевую задачу, но название указывает на связь с Wikipedia.

Базовая AraT5v2 поддерживает арабоязычные задачи генерации и преобразования текста, включая перевод, суммаризацию, создание заголовков и вопросов. Для этой версии приведены результаты оценки: loss 5,6421, ROUGE-1 0,0905, ROUGE-2 0, ROUGE-L 0,0915 и ROUGE-Lsum 0,0912; без описания задачи и набора оценки эти значения трудно интерпретировать. Модель опубликована в формате safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

генерация текста на арабском языке
преобразование арабского текста в формат text-to-text
эксперименты с задачами NLP на материалах Wikipedia

Ограничения

Целевая задача, обучающий датасет и предполагаемые сценарии этой версии не описаны; приведённые метрики не сопровождаются описанием оценки. Лицензия в предоставленных данных отсутствует.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

results_arat5-2_wiki

This model is a fine-tuned version of UBC-NLP/AraT5v2-base-1024 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 5.6421
Rouge1: 0.0905
Rouge2: 0.0
Rougel: 0.0915
Rougelsum: 0.0912
Gen Len: 19.0

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: 5e-05
train_batch_size: 4
eval_batch_size: 4
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Rouge1	Rougel	Rougelsum	Gen Len
8.3962	0.9506	500	7.0927	0.0	0.0	0.0	0.0
7.072	1.9011	1000	7.0704	0.0	0.0	0.0	0.0
7.0441	2.8517	1500	7.0627	0.0	0.0	0.0	0.0
7.0044	3.8023	2000	7.0205	0.0	0.0	0.0	16.9719
6.9461	4.7529	2500	6.8398	0.0896	0.0908	0.0904	17.7903
6.727	5.7034	3000	6.5676	0.0905	0.0915	0.0912	18.8221
6.446	6.6540	3500	6.3711	0.0905	0.0915	0.0912	18.8221
6.3054	7.6046	4000	5.9586	0.0905	0.0915	0.0912	18.8933
5.8985	8.5551	4500	5.7386	0.0905	0.0915	0.0912	19.0
5.8333	9.5057	5000	5.6421	0.0905	0.0915	0.0912	19.0

Framework versions

Transformers 4.42.0.dev0
Pytorch 2.3.0+cu121
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: T5ForConditionalGeneration
Ревизия весов: 4cd8445