Характеристики

Контекст: 4 096 токенов
Параметры: 45,8 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Базовая модель: flan-t5-small
Опубликована: 13 дек 2023

Ссылки

Hugging Face

flan-t5-2048-input-1-epochs

tanatapanun

Языковая модель5 профессий

Дообученная FLAN-T5-small для генерации текста и выполнения текстовых NLP-задач.

10скачиваний за 30 дней0лайковвеса обновлены13 дек 2023

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

tanatapanun/flan-t5-2048-input-1-epochs — дообученная модель Google FLAN-T5-small с архитектурой T5ForConditionalGeneration и 45,8 млн параметров. Она предназначена для генерации текста по входному тексту и может применяться к широкому кругу NLP-задач, поддерживаемых базовой FLAN-T5, например к кратким ответам и преобразованию текста. Модель принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов.

Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. В карточке приведены результаты оценки: loss 3,7962, ROUGE-1 0,0398, ROUGE-2 0,0089 и ROUGE-L 0,0346. Датасет дообучения обозначен как None, поэтому назначение и качество именно этой настройки по карточке уточнить нельзя.

Сценарии применения

генерация короткого ответа по текстовому запросу
переформулирование текста
суммаризация текста
выполнение инструкций в текстовом формате

Ограничения

В README не описаны назначение настройки, обучающий датасет или ограничения; приведённые метрики ROUGE низкие. Длина генерации в оценке составляла в среднем 7,73 токена, поэтому результаты для развёрнутых ответов не подтверждены.

Для каких профессий подходит5

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 II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

II.1Анализ требований и архитектура ПО

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

flan-t5-2048-input-1-epochs

This model is a fine-tuned version of google/flan-t5-small on the None dataset. It achieves the following results on the evaluation set:

Loss: 3.7962
Rouge1: 0.0398
Rouge2: 0.0089
Rougel: 0.0346
Rougelsum: 0.0336
Gen Len: 7.73

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: 2e-05
train_batch_size: 4
eval_batch_size: 4
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	Rouge1	Rouge2	Rougel	Rougelsum	Gen Len
No log	1.0	301	3.7962	0.0398	0.0089	0.0346	0.0336	7.73

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu118
Datasets 2.15.0
Tokenizers 0.15.0

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: af7d92d