/ Модель

Характеристики

Контекст
1 024 токена
Параметры
253 млн
Лицензия
Apache 2.0
Архитектура
bart · dense
Базовая модель
bart-large
Опубликована
28 июл 2023

bart_left_heading_torch

Генерация текстаТекст → текст3 профессии

Дообученная на базе BART Large модель для генерации текста с неописанным целевым сценарием.

125скачиваний за 30 дней0лайковвеса обновлены28 июл 2023

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

tobijen/bart_left_heading_torch — дообученная модель BART Large на базе facebook/bart-large, опубликованная в формате PyTorch. В README указана оценка Loss 4.1853 на наборе для оценки, но обучающий набор назван None, а подробности о данных и методике отсутствуют.

Модель размечена как text-generation и имеет около 252,8 млн параметров и контекст до 1024 токенов. Карточка не описывает конкретное назначение дообучения, поддерживаемые языки или сценарии применения, поэтому пригодность для отдельных задач по этим данным определить нельзя. Лицензия — Apache-2.0.

Сценарии применения

  • генерация текста на основе входного контекста
  • эксперименты с дообученной архитектурой BART

Ограничения

README не раскрывает назначение модели, обучающие данные и поддерживаемые сценарии; указанный набор данных обозначен как None. Приведено значение Loss 4.1853, но без описания набора оценки и условий измерения.

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

bart_left_heading_torch

This model is a fine-tuned version of facebook/bart-large on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 4.1853

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: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 20

Training results

Training LossEpochStepValidation Loss
No log1.0810.9542
No log2.0169.4997
No log3.0248.7858
No log4.0328.4885
No log5.0408.0916
No log6.0487.9659
No log7.0567.6608
No log8.0647.2812
No log9.0727.0035
No log10.0806.7113
No log11.0886.3708
No log12.0965.9869
No log13.01045.6537
No log14.01125.3304
No log15.01205.0117
No log16.01284.7120
No log17.01364.4874
No log18.01444.3164
No log19.01524.2133
No log20.01604.1853

Framework versions

  • Transformers 4.31.0
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.1
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BartForCausalLM
Ревизия весов
3e98234

0 моделей