Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Архитектура: t5 · dense
Базовая модель: t5-small-finetuned-2024-03-30
Опубликована: 15 апр 2024

Ссылки

Hugging Face

t5-small-finetuned-2024-04-01

liamvbetts

Языковая модель3 профессии

Небольшая дообученная модель T5 для генерации текста по текстовому запросу.

9скачиваний за 30 дней0лайковвеса обновлены15 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-2024-04-01 — дообученная модель семейства T5, созданная на основе liamvbetts/t5-small-finetuned-2024-03-30. Это encoder-decoder-модель с 38,5 млн параметров, предназначенная для генерации текста по текстовому входу. Карточка приводит результаты оценки: Loss 1,6678, ROUGE-1 39,0836, ROUGE-2 26,3632 и ROUGE-L 35,7879.

Модель может применяться для задач преобразования текста, для которых подходит формат T5 «текст на входе — текст на выходе». Длина контекста составляет 512 токенов. Датасет, конкретная целевая задача, поддерживаемые языки и условия лицензии в предоставленных данных не описаны.

Сценарии применения

генерация текста из текстового входа
преобразование текста в текст в формате T5
экспериментальная оценка генеративной модели по метрикам ROUGE

Ограничения

Целевая задача дообучения и обучающий датасет не описаны, поэтому пригодность модели для конкретного сценария неясна. Контекст ограничен 512 токенами; языки и лицензия в предоставленных данных не указаны.

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-2024-04-01

This model is a fine-tuned version of liamvbetts/t5-small-finetuned-2024-03-30 on the None dataset. It achieves the following results on the evaluation set:

Loss: 1.6678
Rouge1: 39.0836
Rouge2: 26.3632
Rougel: 35.7879
Rougelsum: 35.8539
Gen Len: 18.8471

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
1.507	1.0	340	1.6678	39.0836	26.3632	35.7879	35.8539	18.8471

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: 44bec11