Характеристики

Контекст: 1 024 токена
Параметры: 457 млн
Архитектура: mbart · dense
Базовая модель: mbart-large-50-one-to-many-mmt
Библиотека: transformers
Опубликована: 1 дек 2024

Ссылки

Hugging Face

e2m_endenoise_project

smitmenon

Языковая модель3 профессии

Дообученная на базе mBART-50 модель, предположительно предназначенная для удаления шума из текста.

17скачиваний за 30 дней0лайковвеса обновлены16 дек 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

smitmenon/e2m_endenoise_project — дообученная модель на базе facebook/mbart-large-50-one-to-many-mmt, созданная с использованием Transformers. Веса представлены в формате safetensors; модель содержит около 457,4 млн параметров и имеет контекст длиной до 1024 токенов.

По названию проекта модель предназначена для удаления шума из текста, однако README не описывает предполагаемые сценарии и не уточняет, что именно считается шумом. Базовая mBART-50 выполняет перевод с английского на 49 языков, включая русский, но карточка не подтверждает, какие языковые возможности сохранены или изменены при дообучении этой версии. В README указан результат оценки Loss 0,3740, но датасет обозначен как None и подробности оценки отсутствуют.

Лицензия в предоставленных данных не указана.

Сценарии применения

очистка зашумлённого текста перед последующей обработкой
нормализация текста с ошибками или помехами, если это соответствует задаче модели
экспериментальная оценка качества удаления шума по метрике loss

Ограничения

README не раскрывает типы шума, обучающие данные и проверенные сценарии применения; указанная метрика Loss не сопровождается описанием набора оценки. Языковые возможности дообученной версии и лицензия в предоставленных данных не подтверждены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

e2m_endenoise_project

This model is a fine-tuned version of facebook/mbart-large-50-one-to-many-mmt on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.3740

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: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss
0.444	1.0	1875	0.3807
0.3206	2.0	3750	0.3740

Framework versions

Transformers 4.47.0
Pytorch 2.5.1+cu121
Datasets 3.2.0
Tokenizers 0.21.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

У модели не указана задача.

Класс архитектуры: MBartForConditionalGeneration
Ревизия весов: 90a87c4