Характеристики

Контекст: 1 024 токена
Параметры: 253 млн
Лицензия: MIT
Архитектура: bart · dense
Базовая модель: bart-large-cnn
Опубликована: 25 фев 2024

Ссылки

Hugging Face

bart_opensource

mixtralyanis

Языковая модель

Дообученная модель BART для генерации краткого пересказа текстовых материалов.

6скачиваний за 30 дней0лайковвеса обновлены25 фев 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

mixtralyanis/bart_opensource — дообученная модель на базе facebook/bart-large-cnn, созданная разработчиком mixtralyanis. BART — плотная encoder-decoder архитектура с 252,8 млн параметров; модель предназначена для генерации текста по входному тексту и имеет контекст длиной до 1024 токенов.

Базовая модель ориентирована на краткий пересказ статей и других англоязычных текстов, поэтому модель можно применять для суммаризации материалов. README не содержит сведений о наборе данных, конкретных сценариях дообучения или результатах оценки. Модель распространяется под лицензией MIT.

Сценарии применения

краткий пересказ статей
суммаризация англоязычных текстов
создание краткого изложения длинного материала

Ограничения

В README отсутствуют сведения о данных дообучения и результатах оценки. Контекст ограничен 1024 токенами; назначение и качество именно этого дообучения описаны недостаточно.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bart_opensource

This model is a fine-tuned version of facebook/bart-large-cnn on the None dataset.

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: 5e-05
train_batch_size: 4
eval_batch_size: 4
seed: 42
gradient_accumulation_steps: 16
total_train_batch_size: 64
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 6
num_epochs: 10

Training results

Framework versions

Transformers 4.38.1
Pytorch 2.1.0+cu121
Datasets 2.17.1
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: BartForConditionalGeneration
Ревизия весов: f531852