Корейская модель KoBART для генерации и преобразования текста, дополнительно обученная на диалоговых данных.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
hyunwoongko/kobart — корейская модель семейства KoBART-base-v2 на архитектуре BART, разработанная Hyunwoong Ko. Модель обучена с добавлением диалоговых данных, чтобы лучше обрабатывать смысл последовательностей длиннее тех, с которыми справлялась исходная KoBART. Репозиторий содержит веса PyTorch; размер модели — 79,7 млн параметров, контекст — до 1026 токенов.
Модель подходит для генерации и преобразования корейского текста, включая диалоговые сценарии и классификацию тональности отзывов: в карточке приведён результат 0,901 accuracy на NSMC. Для загрузки указаны Transformers и токенизатор PreTrainedTokenizerFast. Модель распространяется по лицензии MIT. Карточка не приводит подробных оценок качества для других задач, поэтому пригодность для них следует проверять отдельно.
В карточке приведена оценка только на NSMC; качество на других задачах и языках не описано. Указанный контекст составляет 1026 токенов.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
With the addition of chatting data, the model is trained to handle the semantics of sequences longer than KoBART.
from transformers import PreTrainedTokenizerFast, BartModel
tokenizer = PreTrainedTokenizerFast.from_pretrained('hyunwoongko/kobart')
model = BartModel.from_pretrained('hyunwoongko/kobart')
NSMC
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
У модели не указана задача.