Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Архитектура: t5 · dense
Базовая модель: t5-small-finetuned-2024-03-23
Опубликована: 14 апр 2024

Ссылки

Hugging Face

t5-small-finetuned-2024-03-24

liamvbetts

Языковая модель3 профессии

Дообученная компактная модель T5 для генерации текста по текстовому запросу с контекстом до 512 токенов.

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-2024-03-24 — дообученная версия liamvbetts/t5-small-finetuned-2024-03-23 на датасете, обозначенном в карточке как None. Это компактная модель семейства T5 с архитектурой T5ForConditionalGeneration и 38,5 млн параметров; репозиторий содержит веса в формате safetensors. Модель выполняет генерацию текста по текстовому запросу в формате text-to-text, а длина контекста составляет 512 токенов.

В карточке приведены результаты оценки: Loss 2,0203, ROUGE-1 34,1604, ROUGE-2 20,5269, ROUGE-L 30,0414, ROUGE-Lsum 30,5345 и средняя длина генерации 18,9452 токена. Назначение дообучения, языки и конкретные пользовательские сценарии не описаны. Лицензия в предоставленных данных не указана.

Сценарии применения

генерация текста по текстовому запросу
эксперименты с дообучением T5
оценка качества генерации по метрикам ROUGE

Ограничения

Назначение дообучения и языки модели не описаны, поэтому пригодность для конкретных задач неясна. Лицензия в предоставленных данных отсутствует.

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-2024-03-24

This model is a fine-tuned version of liamvbetts/t5-small-finetuned-2024-03-23 on the None dataset. It achieves the following results on the evaluation set:

Loss: 2.0203
Rouge1: 34.1604
Rouge2: 20.5269
Rougel: 30.0414
Rougelsum: 30.5345
Gen Len: 18.9452

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
2.1072	1.0	288	2.0203	34.1604	20.5269	30.0414	30.5345	18.9452

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: 9603673