Характеристики

Параметры: 291 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Опубликована: 7 фев 2023

Ссылки

Hugging Face

snl-summarization

navjordj

Языковая модель

Дообученная модель T5 для создания кратких изложений текста на данных SNL.

15скачиваний за 30 дней0лайковвеса обновлены8 фев 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

navjordj/snl-summarization — модель семейства T5, дообученная автором на наборе данных navjordj/SNL_summarization для суммаризации. Она основана на north/t5_base_NCC_lm и содержит около 291,2 млн параметров. Модель принимает текст и генерирует текстовое резюме.

Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Подробности об обучении, оценке качества и ограничениях в карточке не приведены.

Сценарии применения

суммаризация текстовых материалов
создание краткого пересказа документа
подготовка сжатого изложения текста

Ограничения

Карточка не содержит оценки качества, подробностей об обучении или описания ограничений; качество на конкретных типах текстов следует проверять отдельно.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

snl-summarization

This model is a fine-tuned version of north/t5_base_NCC_lm on the navjordj/SNL_summarization 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: 64
eval_batch_size: 32
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 20.0

Training results

Framework versions

Transformers 4.27.0.dev0
Pytorch 1.13.1
Datasets 2.9.0
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: 9da6d12