/ Модель

Характеристики

Контекст
512 токенов
Параметры
132 млн
Архитектура
t5 · dense
Опубликована
24 июн 2024

paraphrase_generation_final

Языковая модель4 профессии

Дообученная модель T5 для перефразирования текста с 132 млн параметров.

8скачиваний за 30 дней0лайковвеса обновлены25 июн 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

Это дообученная модель семейства T5 с 132 млн параметров, опубликованная пользователем sharifMunna в формате safetensors. Судя по названию и карточке, она предназначена для перефразирования текста: пользователь передаёт исходную фразу или текст и получает вариант с иной формулировкой.

В карточке не описаны обучающие данные, языки, контекстное окно, качество на тестах или ограничения применения. README указывает, что модель дообучена на наборе данных, название которого не приведено. Лицензия в предоставленных метаданных и README отсутствует.

Сценарии применения

  • Переформулирование предложений другими словами
  • Создание альтернативных вариантов текста
  • Подготовка вариантов формулировок для редакторской работы

Ограничения

В README не приведены результаты оценки, обучающие данные и ограничения качества; языковая поддержка не указана. Название датасета отображается как None, поэтому происхождение обучающих примеров установить нельзя.

Для каких профессий подходит4

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

paraphrase_generation_final

This model is a fine-tuned version of sharifMunna/paraphrase_generation_final on the None 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: 0.0001
  • 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: 16

Training results

Framework versions

  • Transformers 4.39.3
  • Pytorch 2.1.2
  • Datasets 2.18.0
  • Tokenizers 0.15.2

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
fa42632

0 моделей