/ Модель

Характеристики

Контекст
1 024 токена
Параметры
253 млн
Лицензия
MIT
Архитектура
bart · dense
Опубликована
20 окт 2023

bart-large-finetuned-qtsumm

СуммаризацияТекст → текст5 профессий

Дообученная на QTSumm модель BART для создания ответов-сводок по табличным данным с учётом вопроса пользователя.

58скачиваний за 30 дней0лайковвеса обновлены5 ноя 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

yale-nlp/bart-large-finetuned-qtsumm — модель на архитектуре BART, разработанная командой Yale NLP: она инициализирована весами facebook/bart-large и дообучена на наборе QTSumm. Модель предназначена для суммаризации табличных данных с учётом пользовательского вопроса: она формирует краткое текстовое резюме, релевантное заданному запросу.

Модель содержит 252,8 млн параметров, работает с текстовым вводом и выдаёт текст. Максимальная длина контекста — 1024 токена; в карточке указан английский язык. Репозиторий содержит веса PyTorch, лицензия — MIT. README отсылает к GitHub-репозиторию за подробностями использования.

Сценарии применения

  • суммаризация таблицы по заданному вопросу
  • подготовка краткого ответа на вопрос по табличным данным
  • извлечение релевантных сведений из таблицы в виде текста

Ограничения

Контекст ограничен 1024 токенами. Карточка содержит мало сведений о практическом использовании и оценках качества; README отсылает к GitHub-репозиторию за инструкциями.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

QTSumm Dataset

QTSumm is a query-focused table summarization dataset proposed in EMNLP 2023 paper QTSUMM: Query-Focused Summarization over Tabular Data. The original Github repository is https://github.com/yale-nlp/QTSumm.

Model Description

yale-nlp/bart-large-finetuned-qtsumm (based on BART architecture) is initialized with facebook/bart-large and finetuned on the QTSumm dataset.

Usage

Check the github repository: https://github.com/yale-nlp/QTSumm

Reference

@misc{zhao2023qtsumm,
      title={QTSUMM: Query-Focused Summarization over Tabular Data}, 
      author={Yilun Zhao and Zhenting Qi and Linyong Nan and Boyu Mi and Yixin Liu and Weijin Zou and Simeng Han and Xiangru Tang and Yumo Xu and Arman Cohan and Dragomir Radev},
      year={2023},
      eprint={2305.14303},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BartForConditionalGeneration
Ревизия весов
e3d20c5

0 моделей