/ Модель

Характеристики

Контекст
512 токенов
Параметры
127 млн
Лицензия
MIT
Архитектура
t5 · dense
Базовая модель
vit5-base
Опубликована
20 янв 2024

vi-t5-base-finetune-rewriter-5-epochs

Языковая модель3 профессии

Дообученная VietAI/vit5-base для перефразирования и переписывания вьетнамского текста.

38скачиваний за 30 дней0лайковвеса обновлены20 янв 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

thangvip/vi-t5-base-finetune-rewriter-5-epochs — дообученная модель VietAI на основе VietAI/vit5-base, разработанная для перефразирования и переписывания текста. Она построена на архитектуре T5 и содержит 126,8 млн параметров; принимает текст и генерирует текст. По названию репозитория модель обучалась пять эпох, однако назначение датасета в карточке не раскрыто.

Модель подходит для переписывания формулировок и перефразирования вьетнамского текста. В README приведены результаты оценки: Loss 0,7688 и BLEU 40,0839. Контекст ограничен 512 токенами, лицензия — MIT.

Сценарии применения

  • перефразирование вьетнамских предложений
  • переписывание текста на вьетнамском языке
  • изменение формулировок без смены смысла

Ограничения

Данные обучения описаны как неизвестный датасет; результаты приведены только для одного набора оценки. Контекст составляет 512 токенов.

Для каких профессий подходит3

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

vi-t5-base-finetune-rewriter-5-epochs

This model is a fine-tuned version of VietAI/vit5-base on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7688
  • Bleu: 40.0839

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: 32
  • eval_batch_size: 64
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 5
  • mixed_precision_training: Native AMP

Training results

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.0+cu121
  • Datasets 2.16.1
  • 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
30df4dd

0 моделей