Характеристики

Контекст: 1 024 токена
Параметры: 68,2 млн
Лицензия: Apache 2.0
Архитектура: bart · dense

Ссылки

Hugging Face

distilbart-xsum-1-1

sshleifer

СуммаризацияТекст → текст3 профессии

Компактная англоязычная модель BART для создания кратких резюме входных текстов.

664скачиваний за 30 дней0лайковвеса обновлены14 июн 2021

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

sshleifer/distilbart-xsum-1-1 — компактная модель суммаризации на архитектуре BART, представленная в семействе DistilBART. Она предназначена для создания краткого пересказа по входному тексту, в частности в сценариях, связанных с датасетом XSum. Модель содержит 68,2 млн параметров, принимает текст с контекстом до 1024 токенов и генерирует текстовое резюме.

Модель рассчитана на английский язык. Для загрузки используется класс BartForConditionalGeneration; доступны веса PyTorch, TensorFlow и Flax. Репозиторий распространяется по лицензии Apache-2.0. Доступные материалы подтверждают назначение и архитектуру, но не приводят отдельные метрики именно для варианта 1-1, поэтому его качество и скорость по приведённой таблице оценить нельзя.

Сценарии применения

составление краткого пересказа английской статьи
создание короткой выжимки из новостного текста
автоматическое резюмирование документов на английском языке

Ограничения

Контекст ограничен 1024 токенами. README не содержит метрик качества или скорости для варианта 1-1, поэтому его результаты нельзя вывести из таблицы других конфигураций.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Usage

This checkpoint should be loaded into BartForConditionalGeneration.from_pretrained. See the BART docs for more information.

Metrics for DistilBART models

Model Name	MM Params	Inference Time (MS)	Speedup	Rouge 2	Rouge-L
distilbart-xsum-12-1	222	90	2.54	18.31	33.37
distilbart-xsum-6-6	230	132	1.73	20.92	35.73
distilbart-xsum-12-3	255	106	2.16	21.37	36.39
distilbart-xsum-9-6	268	136	1.68	21.72	36.61
bart-large-xsum (baseline)	406	229	1	21.85	36.50
distilbart-xsum-12-6	306	137	1.68	22.12	36.99
bart-large-cnn (baseline)	406	381	1	21.06	30.63
distilbart-12-3-cnn	255	214	1.78	20.57	30.00
distilbart-12-6-cnn	306	307	1.24	21.26	30.59
distilbart-6-6-cnn	230	182	2.09	20.17	29.70

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: BartForConditionalGeneration
Ревизия весов: 891968f