/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Опубликована
23 дек 2022

flan-t5-base-samsum

Языковая модель5 профессий

Модель T5, дообученная на диалогах SAMSum для создания кратких резюме переписок и разговоров.

797скачиваний за 30 дней93лайкавеса обновлены23 дек 2022

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

philschmid/flan-t5-base-samsum — модель на базе google/flan-t5-base, дообученная разработчиком philschmid на наборе диалогов SAMSum. Она предназначена для суммаризации переписок и разговоров: на вход подаётся текст диалога, на выходе — краткое резюме. Модель использует архитектуру T5 и содержит 123,8 млн параметров; максимальная длина контекста — 512 токенов. Доступны веса PyTorch.

На оценочном наборе указаны значения ROUGE-1 47,24, ROUGE-2 23,51 и ROUGE-L 39,63. Карточка не описывает поддержку языков и не приводит иных ограничений или рекомендаций по применению. Лицензия — Apache-2.0.

Сценарии применения

  • краткое резюме переписки в чате
  • суммирование стенограммы разговора
  • выделение основного содержания диалога
  • автоматическое создание выжимки из обсуждения

Ограничения

Контекст ограничен 512 токенами. Карточка не приводит сведений о языковой поддержке и не описывает другие ограничения.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

flan-t5-base-samsum

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

  • Loss: 1.3716
  • Rouge1: 47.2358
  • Rouge2: 23.5135
  • Rougel: 39.6266
  • Rougelsum: 43.3458
  • Gen Len: 17.3907

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: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 5

Training results

Training LossEpochStepValidation LossRouge1Rouge2RougelRougelsumGen Len
1.43791.018421.380547.107523.53139.691943.54917.1197
1.35592.036841.371647.235823.513539.626643.345817.3907
1.27833.055261.372147.458123.733939.772643.456817.1832
1.23784.073681.375747.855724.059340.232444.008517.3053
1.19835.092101.375147.815624.003840.216943.891817.3040

Framework versions

  • Transformers 4.25.1
  • Pytorch 1.12.1+cu113
  • Datasets 2.8.0
  • Tokenizers 0.12.1

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
dab5b32

0 моделей