Характеристики

Контекст: 1 024 токена
Параметры: 253 млн
Лицензия: MIT
Архитектура: bart · dense
Базовая модель: bart-large-cnn
Опубликована: 21 июл 2024

Ссылки

Hugging Face

bart-cnn-samsum-finetuned

smazhug2024

Языковая модель

Дообученная на SAMSum модель BART для краткого пересказа англоязычных диалогов и чатов.

6скачиваний за 30 дней0лайковвеса обновлены21 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

smazhug2024/bart-cnn-samsum-finetuned — дообученная разработчиком модель BART Large CNN на наборе SAMSum. Она предназначена для создания краткого пересказа диалогов, например разговоров в чатах. Модель содержит 252,8 млн параметров, использует архитектуру BartForConditionalGeneration и принимает текст, выдавая текст; максимальный контекст — 1024 токена. Веса представлены в формате safetensors.

В карточке указана оценка Loss 0,1365 на evaluation set. Модель основана на facebook/bart-large-cnn и распространяется по лицензии MIT. README не приводит подробностей о методике оценки и известных ограничениях, поэтому качество на других наборах данных не установлено.

Сценарии применения

краткое изложение переписки в чате
составление резюме диалога
выделение основных событий из разговора
подготовка краткого пересказа стенограммы

Ограничения

В README приведено только значение Loss 0,1365 для evaluation set, без описания методики оценки; качество на других данных не подтверждено. Максимальный контекст составляет 1024 токена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bart-cnn-samsum-finetuned

This model is a fine-tuned version of facebook/bart-large-cnn on the samsum dataset. It achieves the following results on the evaluation set:

Loss: 0.1365

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: 1e-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: 1

Training results

Training Loss	Epoch	Step	Validation Loss
0.6464	1.0	19	0.1365

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: 21bd068