/ Модель

Характеристики

Контекст
1 024 токена
Параметры
95,2 млн
Лицензия
Apache 2.0
Архитектура
bart · dense

bart-base-finetuned-pubmed

Языковая модель3 профессии

Дообученная на научных публикациях BART-модель для генерации кратких изложений статей.

15скачиваний за 30 дней4лайкавеса обновлены14 окт 2021

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

mse30/bart-base-finetuned-pubmed — дообученная модель facebook/bart-base, созданная для генерации текста на научных публикациях из набора scientific_papers. Она предназначена для задач преобразования текста, в частности для подготовки кратких изложений научных статей. Модель основана на архитектуре BART и содержит 95,2 млн параметров; максимальный контекст составляет 1024 токена. Доступны веса в формате PyTorch. Лицензия — Apache-2.0.

В карточке приведены результаты оценки на тестовой выборке: Loss 1,9804, ROUGE-1 9,1984, ROUGE-2 4,3091 и ROUGE-L 7,9739. Описание ограничений и подробности обучения не приведены; указанные результаты сами по себе не подтверждают пригодность для других типов текстов или качество в практических сценариях.

Сценарии применения

  • составление краткого изложения научной статьи
  • генерация аннотации по тексту публикации
  • быстрое ознакомление с содержанием научной работы

Ограничения

Карточка не описывает ограничения модели. Приведённые метрики тестовой выборки не подтверждают качество на других типах текстов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bart-base-finetuned-pubmed

This model is a fine-tuned version of facebook/bart-base on the scientific_papers dataset. It achieves the following results on the evaluation set:

  • Loss: 1.9804
  • Rouge1: 9.1984
  • Rouge2: 4.3091
  • Rougel: 7.9739
  • Rougelsum: 8.6759
  • Gen Len: 20.0

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: 4
  • eval_batch_size: 4
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 4
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossRouge1Rouge2RougelRougelsumGen Len
2.28691.0299812.12419.08524.11527.8428.539520.0
2.14692.0599622.02259.16094.24377.93118.627320.0
2.1133.0899431.99599.30864.33058.03638.771320.0
2.06324.01199241.98049.19844.30917.97398.675920.0

Framework versions

  • Transformers 4.11.3
  • Pytorch 1.9.1+cu102
  • Datasets 1.12.1
  • Tokenizers 0.10.3

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
BartForConditionalGeneration
Ревизия весов
2dcf679

0 моделей