/ Модель

Характеристики

Контекст
1 024 токена
Параметры
253 млн
Лицензия
MIT
Архитектура
bart · dense
Опубликована
30 мая 2022

bart-cnn-science

Языковая модель4 профессии

Дообученная модель BART для создания кратких пересказов научных публикаций.

19скачиваний за 30 дней1лайквеса обновлены30 мая 2022

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

Это модель суммаризации научных публикаций, разработанная на основе BART и дообученная автором репозитория на датасете scientific_papers. Она предназначена для создания краткого пересказа научных текстов; в карточке приведены результаты оценки на тестовой выборке: ROUGE-1 42,58, ROUGE-2 16,19 и ROUGE-L 24,80. Модель содержит около 252,8 млн параметров, использует архитектуру BART для генерации текста и имеет контекстное окно 1024 токена.

Модель можно применять для подготовки кратких обзоров статей и ускоренного ознакомления с научными публикациями. README не сообщает, какие именно языки представлены в обучающих данных. Распространяется по лицензии MIT.

Сценарии применения

  • составление кратких аннотаций научных статей
  • подготовка краткого обзора публикации
  • быстрое ознакомление с содержанием научной работы

Ограничения

Оценка ROUGE приведена для тестовой выборки, но README не уточняет протокол и не описывает ограничения качества. Контекст модели ограничен 1024 токенами.

Для каких профессий подходит4

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

bart-large-cnn-pubmed1o3-pubmed2o3-pubmed3o3-arxiv1o3-arxiv2o3-arxiv3o3

This model is a fine-tuned version of theojolliffe/bart-large-cnn-pubmed1o3-pubmed2o3-pubmed3o3-arxiv1o3-arxiv2o3 on the scientific_papers dataset. It achieves the following results on the evaluation set:

  • Loss: 2.0646
  • Rouge1: 42.5835
  • Rouge2: 16.1887
  • Rougel: 24.7972
  • Rougelsum: 38.1846
  • Gen Len: 129.9291

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: 2
  • eval_batch_size: 2
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossRouge1Rouge2RougelRougelsumGen Len
2.08651.0338402.064642.583516.188724.797238.1846129.9291

Framework versions

  • Transformers 4.19.2
  • Pytorch 1.11.0+cu113
  • Datasets 2.2.2
  • Tokenizers 0.12.1

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
BartForConditionalGeneration
Ревизия весов
2b5c0e6

0 моделей