Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Архитектура: t5 · dense
Базовая модель: t5-small-finetuned-2024-03-16
Опубликована: 14 апр 2024

Ссылки

Hugging Face

t5-small-finetuned-2024-03-17

liamvbetts

Языковая модель3 профессии

Компактная дообученная модель T5 для генерации текста по текстовому входу, с неуказанной целевой задачей.

9скачиваний за 30 дней0лайковвеса обновлены14 апр 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

liamvbetts/t5-small-finetuned-2024-03-17 — компактная модель T5, разработанная как дообученная версия liamvbetts/t5-small-finetuned-2024-03-16. Она содержит 38,5 млн параметров и предназначена для генерации текста по текстовому входу в формате text-to-text. Конкретная задача и сценарии применения не описаны.

Для модели указаны результаты оценки: loss 1,6870, ROUGE-1 36,9896, ROUGE-2 24,6597 и ROUGE-L 32,6752; длина генерации при оценке составила в среднем 18,8143 токена. Контекст модели — 512 токенов. Данные обучения обозначены в карточке как None, поэтому результаты нельзя связать с конкретным набором данных или целевым сценарием. Модель сохранена в формате Safetensors; сведения о лицензии отсутствуют.

Сценарии применения

Генерация текста по текстовому запросу
Эксперименты с компактными моделями T5
Оценка качества генерации по метрикам ROUGE

Ограничения

Целевая задача и обучающий набор данных не описаны, поэтому нельзя уверенно определить подходящее прикладное использование. Указанные метрики относятся к оценочному набору, состав которого не раскрыт; сведения о лицензии также отсутствуют.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

t5-small-finetuned-2024-03-17

This model is a fine-tuned version of liamvbetts/t5-small-finetuned-2024-03-16 on the None dataset. It achieves the following results on the evaluation set:

Loss: 1.6870
Rouge1: 36.9896
Rouge2: 24.6597
Rougel: 32.6752
Rougelsum: 32.6582
Gen Len: 18.8143

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

Training results

Training Loss	Epoch	Step	Validation Loss	Rouge1	Rouge2	Rougel	Rougelsum	Gen Len
1.9296	1.0	276	1.6870	36.9896	24.6597	32.6752	32.6582	18.8143

Framework versions

Transformers 4.39.3
Pytorch 2.2.1+cu121
Datasets 2.18.0
Tokenizers 0.15.2

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: a74dfc0