/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
152 млн
Лицензия
CC BY-NC 4.0
Архитектура
opt · dense
Базовая модель
galactica-125m
Библиотека
transformers
Опубликована
20 сен 2026

galactica-125m-scitldr

Генерация текстаТекст → текст3 профессии

Модель на базе Galactica-125M, дообученная для создания кратких TL;DR научных аннотаций.

313скачиваний за 30 дней0лайковвеса обновлены20 сен 2026

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.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

thealper2/galactica-125m-scitldr — дообученная на наборе allenai/scitldr модель для генерации кратких TL;DR научных статей по их аннотациям. Она основана на facebook/galactica-125m с архитектурой OPT: декодерная языковая модель с 12 слоями, 12 головами внимания и 151,6 млн параметров по метаданным. Контекст составляет 2048 токенов; в обучении текст аннотации обрезался до 512 токенов.

Модель предназначена для создания очень краткого резюме научной аннотации, особенно в статьях по компьютерным наукам и машинному обучению. Она принимает обычный текст с шаблоном «Paper: … TL;DR:» и генерирует текст; диалоговый или инструкционный режим не предусмотрен. В тестировании на официальном разделении SciTLDR получены ROUGE-1 38,68, ROUGE-2 14,68 и ROUGE-L 31,06.

Небольшой размер модели ограничивает распознавание научного вклада. Она может пропускать термины, методы и численные результаты либо добавлять утверждения, не подтверждённые источником; результаты требуют проверки. Контекст не включает материал статьи за пределами переданной аннотации. Модель выпущена по лицензии CC BY-NC 4.0, допускающей использование с ограничением на коммерческое применение.

Сценарии применения

  • создание краткого резюме научной аннотации
  • подготовка TL;DR для статей по машинному обучению
  • сжатие аннотации для каталога публикаций

Ограничения

Модель может пропускать или искажать термины, методы и числа, а также генерировать неподтверждённые источником утверждения; фактическая проверка не выполняется. Она обучена преимущественно на статьях по информатике и машинному обучению, использует только аннотацию с усечением входа и не предназначена для критически важных решений.

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

Galactica-125M — SciTLDR

facebook/galactica-125m fine-tuned on allenai/scitldr for scientific paper TL;DR generation (extreme summarization of scientific text).

Model details

Base modelfacebook/galactica-125m (OPT architecture, decoder-only)
Parameters125M — 12 layers, hidden size 768, 12 heads
Context window2048 tokens (max_position_embeddings)
Vocabulary50,000 BPE tokens (Galactica scientific tokenizer)
Taskcausal LM, supervised on the TL;DR continuation only
LanguageEnglish
Precisionfp32 master weights, bf16 mixed precision during training

Training data

allenai/scitldr, configuration Abstract — the source field contains sentences of the paper abstract.

SplitExamplesReferences per example
train1,9921
validation6191–4
test6182–4

The Hub repository is script-based, so the data is read from its automatic Parquet conversion (revision="refs/convert/parquet"); content and splits are identical. The official test split was not modified.

The model reads the paper abstract, not the full paper text. Source sentences are joined with a space and head-truncated to 512 tokens; 0.10 % of training examples and 0.00 % of test examples are affected.

Input format

The model is trained as a plain causal LM — no chat or instruction template:

Paper:
<source paper text>

TL;DR:
<target TL;DR></s>

Prompt tokens (Paper: prefix, source text, TL;DR: delimiter) are set to -100 in labels, so the loss is computed only over the TL;DR tokens and the terminating </s>. Galactica's tokenizer emits no BOS token and none is added.

Galactica's published tokenizer has an empty special_tokens_map.json; the <pad> / </s> / <s> roles (ids 1 / 2 / 0) are bound explicitly at load time. The base checkpoint's weights are fp16, which produces NaN on the first AdamW step — training loads the model in fp32 and uses mixed precision.

Training procedure

HyperparameterValue
Max source length512 tokens (head truncation)
Max target length64 tokens
Learning rate0.00005
LR schedulelinear, warmup ratio 0.06 (30 steps)
Optimizeradamw_torch, weight decay 0.01, grad clip 1.00
Effective batch size16 (8 × 2 accumulation)
Epochs4 (500 optimizer steps)
Seed42
Hardware1x NVIDIA GeForce RTX 5060 Ti (15.9 GB)

Evaluation

Generation-based evaluation on the untouched official test split (618 examples) with deterministic decoding:

max_new_tokens = 64
min_new_tokens = 5
no_repeat_ngram_size = 3
repetition_penalty = 1.0
do_sample = False
num_beams = 4
length_penalty = 1.0

ROUGE is computed multi-reference (best reference per example) with Porter stemming, the standard SciTLDR protocol.

MetricScore
ROUGE-138.68
ROUGE-214.68
ROUGE-L31.06
ROUGE-Lsum31.05

Mean generated length: 19.5 words / 22.0 tokens.

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "thealper2/galactica-125m-scitldr"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, dtype=torch.float32).eval()

# Galactica binds no special-token roles by default.
tokenizer.pad_token = tokenizer.pad_token or "<pad>"
tokenizer.eos_token = tokenizer.eos_token or "</s>"

abstract = "..."  # paper abstract
prompt = f"Paper:\n{abstract}\n\nTL;DR:\n"

inputs = tokenizer(prompt, return_tensors="pt", add_special_tokens=False)
output = model.generate(
    **inputs,
    max_new_tokens=64,
    min_new_tokens=5,
    num_beams=4,
    no_repeat_ngram_size=3,
    do_sample=False,
    eos_token_id=tokenizer.eos_token_id,
    pad_token_id=tokenizer.pad_token_id,
)
# Slice off the prompt; keep only the generated TL;DR.
tldr = tokenizer.decode(
    output[0, inputs["input_ids"].shape[1]:], skip_special_tokens=True
).strip()
print(tldr)

Match the training prompt exactly (Paper:\n...\n\nTL;DR:\n), pass add_special_tokens=False, and use left padding for batched generation.

Limitations

  • 125M parameters: limited capacity to identify a paper's actual contribution.
  • Rare scientific terms, novel method names, notation and numeric results are frequently dropped or altered.
  • Input is the abstract, head-truncated at 512 tokens; contributions stated only in the introduction, results or conclusion are not visible to the model.
  • The model can state contributions, datasets, baselines or numbers that the source does not support. Outputs are machine-generated text, not verified scientific claims; no factual verification is performed.
  • Small decoder-only models repeat; no_repeat_ngram_size mitigates but does not eliminate this.
  • ROUGE measures n-gram overlap, not factual correctness.
  • SciTLDR is almost entirely machine-learning / computer-science papers; behaviour in other fields is untested.
  • Research artifact only. Not a decision-support tool, and not for medical, clinical or other safety-critical use.

License

Inherits the non-commercial cc-by-nc-4.0 license of the facebook/galactica-125m base model.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
OPTForCausalLM
Ревизия весов
c435bcf

0 моделей