Характеристики

Контекст: 1 024 токена
Параметры: 253 млн
Архитектура: bart · dense
Библиотека: transformers
Опубликована: 30 дек 2024

Ссылки

Hugging Face

bart-cnn-samsum-finetuned

zuvichd

Языковая модель

Модель BART, обученная на SAMSum для составления кратких пересказов диалогов.

7скачиваний за 30 дней0лайковвеса обновлены30 дек 2024

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

zuvichd/bart-cnn-samsum-finetuned — модель семейства BART, обученная с нуля на наборе данных SAMSum для суммаризации диалогов. Она предназначена для создания краткого пересказа бесед, например чатов или стенограмм разговоров. Модель содержит 252,8 млн параметров, использует библиотеку Transformers и принимает контекст длиной до 1024 токенов.

В README приведено значение loss 0,1298 на оценочном наборе, но подробности оценки и сведения о качестве ответов не описаны. Репозиторий содержит веса в формате safetensors; лицензия не указана в предоставленных данных.

Сценарии применения

суммирование переписки в чате
краткий пересказ стенограммы разговора
извлечение основных тем беседы
подготовка краткого итога группового обсуждения

Ограничения

README приводит только loss 0,1298 на оценочном наборе и не раскрывает методику оценки или подробные ограничения; лицензия в предоставленных данных не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bart-cnn-samsum-finetuned

This model was trained from scratch on the samsum dataset. It achieves the following results on the evaluation set:

Loss: 0.1298

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: 8
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 1

Training results

Training Loss	Epoch	Step	Validation Loss
0.0902	1.0	19	0.1298

Framework versions

Transformers 4.47.1
Pytorch 2.5.1+cpu
Datasets 3.2.0
Tokenizers 0.21.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

У модели не указана задача.

Класс архитектуры: BartForConditionalGeneration
Ревизия весов: 6329fc4