/ Модель

Характеристики

Контекст
256 000 токенов
Параметры
494 млн
Лицензия
CC BY-NC 4.0
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
6 сен 2024

reader-lm-0.5b

Генерация текстаТекст → текст6 профессий

Компактная модель Jina AI на базе Qwen2 преобразует HTML веб-страниц в Markdown с контекстом до 256 тысяч токенов.

149скачиваний за 30 дней151лайквеса обновлены6 янв 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

Jina Reader-LM 0.5B — компактная языковая модель, разработанная Jina AI для преобразования HTML-страниц в Markdown. Она обучена на отобранных парах HTML и соответствующего Markdown и принимает исходный HTML без дополнительной инструкции в запросе. Модель предназначена для извлечения и преобразования содержимого веб-страниц, например при подготовке страниц сайтов к чтению и дальнейшей обработке.

Модель построена на архитектуре Qwen2 с плотной причинно-следственной языковой моделью и содержит 494 млн параметров. Она работает через Transformers, принимает текст и генерирует текст; заявленная длина контекста — 256 тысяч токенов. В метаданных указана поддержка многоязычного режима, но конкретные языки не перечислены.

Модель специализируется на преобразовании веб-содержимого, поэтому её не следует считать универсальным средством для любых задач генерации текста. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но ограничивает коммерческое применение.

Сценарии применения

  • преобразование HTML веб-страниц в Markdown
  • подготовка содержимого сайта для последующего анализа
  • конвертация страниц новостных и общественных сайтов в Markdown
  • извлечение основного текстового содержимого из HTML

Ограничения

Модель предназначена прежде всего для преобразования HTML в Markdown, а не для универсальной генерации текста. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Для каких профессий подходит6

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

Blog | Colab

Intro

Jina Reader-LM is a series of models that convert HTML content to Markdown content, which is useful for content conversion tasks. The model is trained on a curated collection of HTML content and its corresponding Markdown content.

Models

NameContext LengthDownload
reader-lm-0.5b256K🤗 Hugging Face
reader-lm-1.5b256K🤗 Hugging Face

Quick Start

On Google Colab

The easiest way to experience reader-lm is by running our Colab notebook, where we demonstrate how to use reader-lm-1.5b to convert the HackerNews website into markdown. The notebook is optimized to run smoothly on Google Colab’s free T4 GPU tier. You can also load reader-lm-0.5b or change the URL to any website and explore the output. Note that the input (i.e., the prompt) to the model is the raw HTML—no prefix instruction is required.

Local

To use this model, you need to install transformers:

pip install transformers<=4.43.4

Then, you can use the model as follows:

# pip install transformers
from transformers import AutoModelForCausalLM, AutoTokenizer
checkpoint = "jinaai/reader-lm-0.5b"

device = "cuda" # for GPU usage or "cpu" for CPU usage
tokenizer = AutoTokenizer.from_pretrained(checkpoint)
model = AutoModelForCausalLM.from_pretrained(checkpoint).to(device)

# example html content
html_content = "<html><body><h1>Hello, world!</h1></body></html>"

messages = [{"role": "user", "content": html_content}]
input_text=tokenizer.apply_chat_template(messages, tokenize=False)

print(input_text)

inputs = tokenizer.encode(input_text, return_tensors="pt").to(device)
outputs = model.generate(inputs, max_new_tokens=1024, temperature=0, do_sample=False, repetition_penalty=1.08)

print(tokenizer.decode(outputs[0]))

AWS Sagemaker & Azure Marketplace

AWS 0.5b AWS 1.5b Azure 0.5b Azure 1.5b

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
46cb69f

0 моделей