/ Модель

Характеристики

Параметры
157 млн
Лицензия
Apache 2.0
Архитектура
mt5 · dense
Базовая модель
mt5-small
Опубликована
2 мар 2022

mt5-finetuned-amazon-en-es

СуммаризацияТекст → текст3 профессии

Дообученная модель mT5-small, которая суммирует отзывы Amazon на английском языке на испанском.

36скачиваний за 30 дней1лайквеса обновлены20 дек 2023

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

huggingface-course разработала эту модель, дообучив Google mT5-small для суммаризации англоязычных отзывов Amazon с переводом результата на испанский язык. Это компактная модель преобразования текста в текст на архитектуре mT5 с 157,4 млн параметров; репозиторий содержит веса PyTorch. В README приведены результаты оценки: ROUGE-1 16,97, ROUGE-2 8,30 и ROUGE-L 16,84.

Модель предназначена для получения краткого испанского резюме по английскому отзыву о товаре. Она подходит для экспериментов и небольших сценариев анализа отзывов; качество на опубликованной оценке ограничено приведёнными значениями ROUGE. Лицензия — Apache-2.0.

Сценарии применения

  • составление испанского резюме английского отзыва о товаре
  • подготовка кратких сводок англоязычных отзывов Amazon
  • быстрый просмотр отзывов перед анализом оценок покупателей

Ограничения

В README указаны сравнительно невысокие значения ROUGE на оценочном наборе. Обучающий набор обозначен как None, поэтому сведения о данных и охвате модели ограничены.

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-finetuned-amazon-en-es

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

  • Loss: 3.0285
  • Rouge1: 16.9728
  • Rouge2: 8.2969
  • Rougel: 16.8366
  • Rougelsum: 16.851
  • Gen Len: 10.1597

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: 5.6e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 8

Training results

Training LossEpochStepValidation LossRouge1Rouge2RougelRougelsumGen Len
7.10161.012093.306913.98585.843713.605313.51258.3782
3.8982.024183.156716.67068.639316.288216.22499.7521
3.59153.036273.092817.1118.392116.913916.780510.3445
3.41744.048363.048216.97288.306616.886816.848510.3151
3.32585.060453.037516.59728.262116.352416.309310.0672
3.24276.072543.023217.30098.608717.078217.010510.0756
3.20097.084633.030216.92848.656916.788516.778410.2143
3.18388.096723.028516.97288.296916.836616.85110.1597

Framework versions

  • Transformers 4.12.3
  • Pytorch 1.9.1+cu111
  • Datasets 1.15.1
  • Tokenizers 0.10.3

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
e0748cb

0 моделей