Характеристики

Контекст: 1 024 токена
Параметры: 95,2 млн
Архитектура: bart · dense
Опубликована: 17 июл 2024

Ссылки

Hugging Face

SummarEaseElementaryV3

notBanana

Языковая модель3 профессии

Модель BART с 95,2 млн параметров для преобразования текста, предположительно для упрощённого суммирования.

13скачиваний за 30 дней0лайковвеса обновлены17 июл 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

SummarEaseElementaryV3 — модель генерации текста на базе архитектуры BART, обученная с нуля. В репозитории указано 95,2 млн параметров и контекст длиной до 1024 токенов. По названию и меткам text2text-generation модель предназначена для преобразования текста; название предполагает упрощённое суммирование, но README не уточняет назначение и сообщает, что обучающий набор данных неизвестен. В README приведены результаты оценки: Loss 2,3237, ROUGE-1 0,1213, ROUGE-2 0,0445 и ROUGE-L 0,1012.

Модель распространяется в формате safetensors. README не приводит сведений о разработчике, лицензии, языках или сценариях применения; поэтому использовать её для конкретных задач и оценивать условия распространения по имеющимся данным затруднительно.

Сценарии применения

эксперименты с генерацией текста на архитектуре BART
оценка качества суммирования на собственных данных
исследование текстовых моделей с контекстом до 1024 токенов

Ограничения

README не раскрывает обучающие данные, языки, лицензию и подробное назначение модели; указанные метрики ROUGE невысоки. Назначение суммирования следует лишь из названия модели и не подтверждено описанием.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SummarEaseElementaryV3

This model was trained from scratch on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 2.3237
Rouge1: 0.1213
Rouge2: 0.0445
Rougel: 0.1012
Rougelsum: 0.1023
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
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
num_epochs: 4
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Rouge1	Rouge2	Rougel	Rougelsum	Gen Len
No log	1.0	1	2.3370	0.1288	0.0512	0.1046	0.1057	20.0
No log	2.0	2	2.3380	0.1192	0.0433	0.101	0.1018	20.0
No log	3.0	3	2.3313	0.1212	0.0433	0.102	0.103	20.0
No log	4.0	4	2.3237	0.1213	0.0445	0.1012	0.1023	20.0

Framework versions

Transformers 4.42.4
Pytorch 2.3.1+cu121
Datasets 2.20.0
Tokenizers 0.19.1

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: 2e21e7a