Характеристики

Контекст: 512 токенов
Параметры: 124 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Базовая модель: t5-base
Опубликована: 16 июл 2024

Ссылки

Hugging Face

SummarEaseV1

notBanana

Языковая модель

SummarEaseV1 — дообученная модель T5-Base для создания кратких текстовых резюме.

9скачиваний за 30 дней0лайковвеса обновлены16 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

SummarEaseV1 — модель преобразования текста в текст на базе T5-Base, дообученная автором notBanana на неизвестном наборе данных. Она предназначена для суммаризации текста. Модель содержит 123,8 млн параметров, принимает контекст длиной до 512 токенов и распространяется в формате safetensors по лицензии Apache-2.0.

В карточке приведены результаты оценки: Loss 2,4382, ROUGE-1 0,2458, ROUGE-2 0,1168, ROUGE-L 0,2008 и средняя длина генерации 19 токенов. Данные обучения и подробные сценарии применения не раскрыты, поэтому качество на конкретных типах текстов не установлено.

Сценарии применения

суммаризация коротких текстов
создание краткого пересказа документа
сжатие текста до нескольких предложений

Ограничения

Датасет обучения и область оценки не указаны, поэтому приведённые метрики не позволяют судить о качестве на конкретных жанрах и языках. Контекст ограничен 512 токенами, а средняя длина генерации в оценке составила 19 токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SummarEaseV1

This model is a fine-tuned version of google-t5/t5-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 2.4382
Rouge1: 0.2458
Rouge2: 0.1168
Rougel: 0.2008
Rougelsum: 0.2001
Gen Len: 19.0

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	0.7619	3	2.5665	0.2388	0.1118	0.1962	0.1959	19.0
No log	1.7778	7	2.4863	0.2439	0.1153	0.2005	0.1996	19.0
No log	2.7937	11	2.4462	0.2461	0.1169	0.2009	0.2003	19.0
No log	3.0476	12	2.4382	0.2458	0.1168	0.2008	0.2001	19.0

Framework versions

Transformers 4.42.4
Pytorch 2.3.0+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: T5ForConditionalGeneration
Ревизия весов: 77a5d80