/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Базовая модель
t5-efficient-base
Библиотека
transformers
Опубликована
16 сен 2026

t5-efficient-base-grammar-correction

Генерация текстаТекст → текст3 профессии

Дообученная модель T5 для исправления грамматических ошибок в английских предложениях и коротких текстах.

580скачиваний за 30 дней1лайквеса обновлены16 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/t5-efficient-base-grammar-correction — англоязычная модель для исправления грамматики в предложениях и коротких фрагментах текста. Это полное дообучение google/t5-efficient-base, выполненное автором репозитория; архитектура T5 encoder-decoder содержит 12 слоёв кодировщика и 12 слоёв декодировщика. В README указано 222 903 552 параметра, а в метаданных — 123,8 млн; эти данные расходятся. Контекст по метаданным — 512 токенов.

Модель обучена на 100 000 синтетических пар с грамматическими ошибками и оценивается по исправлению текста. В приведённой оценке SARI составил 68,58 против 58,40 у baseline, копирующего исходный текст. Модель предназначена для коррекции английских предложений и коротких абзацев; при этом 24,2% грамматически правильных примеров в отдельной проверке были изменены, поэтому результат стоит проверять.

Ограничения включают отличающееся от реальных пользовательских текстов распределение синтетических ошибок, усечение входов длиннее 256 токенов и потерю некоторых символов, отсутствующих в SentencePiece-словаре. Модель не оценивалась на стандартных бенчмарках CoNLL-2014 и BEA-2019. Лицензия — Apache-2.0.

Сценарии применения

  • исправление грамматики в английских предложениях
  • корректура коротких английских абзацев
  • автоматическое редактирование английских текстов с ошибками

Ограничения

Обучение проводилось на синтетических ошибках, а в проверке 24,2% грамматически правильных входов были изменены. Тексты длиннее 256 токенов усекаются, некоторые символы не поддерживаются словарём SentencePiece; оценка на CoNLL-2014 и BEA-2019 не проводилась.

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

t5-efficient-base-grammar-correction

Full fine-tune (all parameters, no adapters) of google/t5-efficient-base for English sentence-level grammatical error correction on agentlans/grammar-correction.

Model

PropertyValue
ArchitectureT5 encoder-decoder (12 + 12 layers)
d_model / d_ff / heads768 / 3072 / 12
Parameters222,903,552
VocabularySentencePiece, 32,128 embeddings
Input formatgrammar correction: {sentence}
Max source / target tokens256 / 256

Training data

SplitExamplesUse
train100,000training
validation2,000per-epoch model selection (seeded subset)
validation25,000final evaluation below
  • Token length (train, input with prefix): mean 38.23, p99 129; truncated at 256/256: 0.10% sources, 0.03% targets.
  • Duplicate pairs: 0 (train), 0 (validation); validation inputs present in train: 0.
  • Pairs with input == output: 0.
  • Targets containing characters outside the SentencePiece vocabulary (<unk>): 1.31%.
  • Text is used as-is (no normalization of case, punctuation or contractions).

Training procedure

HyperparameterValue
Optimizeradamw_torch_fused
Learning rate0.0001
LR schedulelinear, warmup ratio 0.05
Epochs5.00
Batch size (per device x accumulation)16 x 2
Effective batch size32
Optimization steps15,625
Weight decay0.01
Label smoothing0.00
Max grad norm1.00
Precisionbf16
Gradient checkpointingno
Seed42
HardwareNVIDIA GeForce RTX 5060 Ti
Training time1.90 h

Evaluation

Checkpoint selected by eval_sari on 2,000 validation examples: epoch 5.00, step 15,625, validation loss 0.6534 (perplexity 1.922).

MetricModel (n=25,000)Copy-input baseline
SARI68.5858.40
BLEU (sacrebleu)70.2463.57
chrF84.4182.49
Exact match (%)9.100.00
Output identical to input (%)7.38100.00

Validation loss 0.6504, perplexity 1.916. Decoding: beam search, 4 beams.

Over-correction check: 1,000 grammatical validation references fed as inputs; 24.20% were modified (chrF vs. input 98.81).

Metric notes: BLEU and chrF measure overlap with the reference, so copying the input already scores high (see baseline). SARI (Xu et al., 2016) scores kept/added/deleted n-grams relative to the source on lowercased 13a tokens, so casing edits are not reflected. Exact match is case- and punctuation-sensitive. ERRANT F0.5 was not computed.

Generation config

{
  "max_new_tokens": 256,
  "early_stopping": true,
  "do_sample": false,
  "num_beams": 4,
  "pad_token_id": 0,
  "eos_token_id": 1,
  "decoder_start_token_id": 0
}

Usage

import torch
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

model_id = "thealper2/t5-efficient-base-grammar-correction"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForSeq2SeqLM.from_pretrained(model_id).eval()

text = "She go to school yesterday."
inputs = tokenizer("grammar correction: " + text, return_tensors="pt", truncation=True, max_length=256)
with torch.inference_mode():
    output_ids = model.generate(**inputs)  # uses the bundled generation_config.json
print(tokenizer.decode(output_ids[0], skip_special_tokens=True))

Limitations

  • Training pairs are synthetic (C4_200M-derived corruptions filtered by a grammar classifier); error distribution differs from learner or native-speaker text.
  • English only, sentence/short-paragraph level; inputs longer than 256 tokens are truncated.
  • The training set contains no already-correct (input == output) pairs, so leaving correct text unchanged is not directly supervised; check the over-correction numbers above.
  • The T5 SentencePiece vocabulary cannot represent some characters (e.g. {, }, <, ~, many accented letters); they map to <unk> and are dropped from generated text.
  • Not evaluated on standard GEC benchmarks (CoNLL-2014, BEA-2019).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
b73bf36

0 моделей