Характеристики

Контекст: 1 024 токена
Параметры: 253 млн
Лицензия: MIT
Архитектура: bart · dense
Базовая модель: bart-large-cnn
Опубликована: 11 дек 2023

Ссылки

Hugging Face

bart_cnn_samsun_finetuned

zeerobug

Языковая модель

Дообученная на диалогах SAMSum англоязычная модель BART для создания кратких пересказов переписки.

7скачиваний за 30 дней0лайковвеса обновлены11 дек 2023

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 англоязычная модель для краткого пересказа диалогов. Разработчик дообучил BART-large-CNN на датасете SAMSum; модель содержит 252,8 млн параметров и принимает текстовый контекст длиной до 1024 токенов.

Модель предназначена для создания краткого резюме переписки или другого диалога. В README указано значение loss 0,0398 на оценочной выборке, но подробности протокола оценки и качества применения не приведены. Модель распространяется по лицензии MIT.

Сценарии применения

краткое резюме англоязычного чата
сжатие длинной переписки
выделение основных событий диалога

Ограничения

Подтверждена настройка на англоязычный датасет SAMSum; пригодность для других языков и типов текста не установлена. README не приводит подробностей оценки, кроме значения loss.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bart_cnn_samsun_finetuned

This model is a fine-tuned version of facebook/bart-large-cnn on the samsum dataset. It achieves the following results on the evaluation set:

Loss: 0.0398

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: 1e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss
0.0449	1.0	737	0.0423
0.0361	2.0	1474	0.0398

Framework versions

Transformers 4.35.2
Pytorch 2.0.0
Datasets 2.1.0
Tokenizers 0.15.0

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: 4221dac