Характеристики

Параметры: 157 млн
Лицензия: Apache 2.0
Архитектура: mt5 · dense
Базовая модель: en_bn_summarize_v1
Опубликована: 5 сен 2023

Ссылки

Hugging Face

en_bn_summarize_v2

mHossain

Языковая модель4 профессии

Дообученная модель mT5 для суммирования англоязычных и бенгальских текстов.

14скачиваний за 30 дней0лайковвеса обновлены5 сен 2023

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

mHossain/en_bn_summarize_v2 — дообученная версия mHossain/en_bn_summarize_v1 на базе mT5 с 157,4 млн параметров. Модель предназначена для суммирования текста на английском и бенгальском языках.

В карточке приведены результаты оценки: Loss 2,8976, значения ROUGE-1, ROUGE-2, ROUGE-L и ROUGE-Lsum равны 0; средняя длина генерации — 18,7143 токена. Датасет и подробности обучения не описаны. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

Сценарии применения

краткое изложение английских текстов
краткое изложение текстов на бенгальском языке
создание короткого резюме документа на английском или бенгальском

Ограничения

В карточке не описаны датасет и ограничения применения. На указанном наборе оценки все значения ROUGE равны нулю, поэтому качество суммирования по этим результатам не подтверждается.

Для каких профессий подходит4

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 IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

en_bn_summarize_v2

This model is a fine-tuned version of mHossain/en_bn_summarize_v1 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 2.8976
Rouge1: 0.0
Rouge2: 0.0
Rougel: 0.0
Rougelsum: 0.0
Gen Len: 18.7143

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: 2e-05
train_batch_size: 2
eval_batch_size: 2
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 5000
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Gen Len
3.831	1.0	615	2.9931	18.3975
3.8216	2.0	1230	2.9874	18.4845
3.8157	3.0	1845	2.9750	18.646
3.7949	4.0	2460	2.9600	18.646
3.6814	5.0	3075	2.9397	18.4907
3.6547	6.0	3690	2.9381	18.7453
3.5958	7.0	4305	2.9211	18.8012
3.5484	8.0	4920	2.9141	18.8385
3.4661	9.0	5535	2.9022	18.8075
3.4722	10.0	6150	2.8976	18.7143

Framework versions

Transformers 4.33.0
Pytorch 2.0.1+cu118
Datasets 2.14.4
Tokenizers 0.13.3

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: MT5ForConditionalGeneration
Ревизия весов: d025cf6