Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Базовая модель: t5-small-finetuned-2024-03-26
Опубликована: 27 мар 2024

Ссылки

Hugging Face

t5-small-finetuned-2024-04-03

liamvbetts

Языковая модель3 профессии

Компактная дообученная модель T5 для генерации текста по текстовому запросу.

8скачиваний за 30 дней0лайковвеса обновлены27 мар 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-2024-04-03 — дообученная модель семейства T5, разработанная liamvbetts на основе liamvbetts/t5-small-finetuned-2024-03-26. Это компактная модель с архитектурой T5ForConditionalGeneration и 38,5 млн параметров, предназначенная для генерации текста по текстовому запросу. Контекст модели составляет 512 токенов.

В README приведены результаты оценки: Loss 1,9257, ROUGE-1 29,7397, ROUGE-2 15,7835, ROUGE-L 25,3586 и ROUGE-Lsum 25,674; средняя длина генерации — около 19 токенов. Датасет указан как None, а назначение и ограничения отдельно не описаны, поэтому определить конкретную прикладную задачу нельзя. Модель опубликована в формате safetensors по лицензии Apache-2.0.

Сценарии применения

генерация короткого текста по входному тексту
экспериментальная оценка качества генерации с помощью ROUGE

Ограничения

Конкретная задача и обучающие данные не описаны; датасет в README обозначен как None. По указанным метрикам и среднему размеру генерации нельзя судить о качестве на конкретных пользовательских сценариях.

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-2024-03-27

This model is a fine-tuned version of liamvbetts/t5-small-finetuned-2024-03-26 on the None dataset. It achieves the following results on the evaluation set:

Loss: 1.9257
Rouge1: 29.7397
Rouge2: 15.7835
Rougel: 25.3586
Rougelsum: 25.674
Gen Len: 18.8588

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
1.8373	1.0	339	1.9257	29.7397	15.7835	25.3586	25.674	18.8588

Framework versions

Transformers 4.39.1
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: 2d6d0bf