Характеристики

Контекст: 512 токенов
Параметры: 45,8 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Опубликована: 3 янв 2023

Ссылки

Hugging Face

flan-t5-small-finetuned-openai-summarize_from_feedback

mrm8488

Языковая модель7 профессий

Небольшая модель Flan-T5, дообученная для суммаризации текстов на наборе OpenAI summarize_from_feedback.

58скачиваний за 30 дней9лайковвеса обновлены7 янв 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

mrm8488/flan-t5-small-finetuned-openai-summarize_from_feedback — модель семейства T5, дообученная на базе google/flan-t5-small на наборе данных summarize_from_feedback. Она предназначена для суммаризации текстов; в README приведены результаты оценки: ROUGE-1 27,30, ROUGE-2 9,59, ROUGE-L 22,20 и ROUGE-Lsum 23,63. Модель содержит 45,8 млн параметров, использует формат PyTorch и имеет контекст до 512 токенов. Лицензия — Apache-2.0.

Сценарии применения

суммаризация текста по запросу
сжатие длинных отзывов или ответов в краткое изложение
создание кратких сводок для текстов обратной связи

Ограничения

В README отсутствуют сведения об ограничениях и предназначенных сценариях использования. Приведённые метрики получены на наборе оценки, но не описаны протокол и условия оценки.

Для каких профессий подходит7

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 III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Flan-T5 (small) fine-tuned on OpenAI summarize_from_feedback for summarizing

This model is a fine-tuned version of google/flan-t5-small on the summarize_from_feedback dataset. It achieves the following results on the evaluation set:

Loss: 2.1488
Rouge1: 27.2966
Rouge2: 9.5886
Rougel: 22.1999
Rougelsum: 23.6317
Gen Len: 18.9310

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: 32
eval_batch_size: 64
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 6

Training results

Training Loss	Epoch	Step	Validation Loss	Rouge1	Rouge2	Rougel	Rougelsum	Gen Len
2.2472	1.0	2902	2.1882	26.2033	8.83	21.3673	22.7758	18.9234
2.1142	2.0	5804	2.1608	27.1972	9.4269	22.1761	23.6252	18.8796
2.0484	3.0	8706	2.1524	27.0963	9.4578	21.9866	23.5124	18.9033
2.0055	4.0	11608	2.1519	27.2428	9.5514	22.1542	23.6036	18.9347
1.9647	5.0	14510	2.1488	27.2966	9.5886	22.1999	23.6317	18.9310
1.9547	6.0	17412	2.1488	27.5602	9.673	22.3768	23.8399	18.9236

Framework versions

Transformers 4.25.1
Pytorch 1.13.0+cu116
Datasets 2.8.0
Tokenizers 0.13.2

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: 5ea8b08