Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Архитектура: t5 · dense
Базовая модель: t5-small-finetuned-2024-04-01
Опубликована: 15 апр 2024

Ссылки

Hugging Face

t5-small-finetuned-2024-04-02

liamvbetts

Языковая модель

Дообученная компактная модель T5 для генерации текста по текстовому запросу.

8скачиваний 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

Небольшая модель T5 для генерации текста по текстовому запросу, разработанная как дообучение liamvbetts/t5-small-finetuned-2024-04-01. Она содержит 38,5 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает контекст длиной до 512 токенов.

Модель предназначена для задач преобразования текста в текст. В README приведены результаты оценки: Loss 1,5585, ROUGE-1 37,1092, ROUGE-2 25,5198 и ROUGE-L 34,1375; конкретная задача и набор данных для дообучения не раскрыты. Модель опубликована в формате safetensors. Лицензия и ограничения использования в доступных данных не описаны.

Сценарии применения

генерация текста по текстовому запросу
преобразование текста в текст в приложениях на базе T5
эксперименты с дообучением компактных генеративных моделей

Ограничения

Конкретная целевая задача, обучающий набор данных и языки не указаны; результаты оценки сами по себе не позволяют судить о качестве в конкретном сценарии. Лицензия и ограничения использования не приведены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

t5-small-finetuned-2024-04-02

This model is a fine-tuned version of liamvbetts/t5-small-finetuned-2024-04-01 on the None dataset. It achieves the following results on the evaluation set:

Loss: 1.5585
Rouge1: 37.1092
Rouge2: 25.5198
Rougel: 34.1375
Rougelsum: 34.3825
Gen Len: 18.7738

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
1.6658	1.0	335	1.5585	37.1092	25.5198	34.1375	34.3825	18.7738

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: 70e5c80