SSR-base
SSR-base model as in EMNLP 2021 paper Improving Sequence-to-Sequence Pre-training via Sequence Span Rewriting.
Характеристики
- Контекст
- 512 токенов
- Параметры
- 124 млн
- Архитектура
- t5 · dense
- Опубликована
- 2 мар 2022
Ссылки
ssr-base
Англоязычная модель SSR-base на базе T5 для суммаризации текста.
178скачиваний за 30 дней2лайкавеса обновлены24 янв 2023
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Тесты пользователейпока нет
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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
SSR-base — англоязычная модель семейства T5, опубликованная в рамках работы «Improving Sequence-to-Sequence Pre-training via Sequence Span Rewriting» на EMNLP 2021. Это модель преобразования текста с 123,8 млн параметров и контекстом до 512 токенов, представленная в формате PyTorch.
Модель предназначена для суммаризации текста. В карточке указано, что она соответствует версии SSR-base из исследовательской работы; дополнительных сведений о сценариях применения или результатах оценки нет. Для использования доступна лицензия репозитория Hugging Face.
Сценарии применения
- Суммаризация англоязычных текстов
- Создание краткого пересказа документа
- Подготовка кратких текстовых сводок
Ограничения
Контекст ограничен 512 токенами; сведения о качестве и устойчивости модели в карточке не приведены.
Для каких профессий подходит5
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594моделиIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- T5ForConditionalGeneration
- Ревизия весов
- 716ca30