Bart Large

🚀 BART (大規模モデル)

BARTモデルは英語で事前学習されたモデルです。このモデルはLewisらによる論文 BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension で紹介され、最初は このリポジトリ で公開されました。

免責事項: BARTを公開したチームはこのモデルのモデルカードを作成していないため、このモデルカードはHugging Faceチームによって作成されています。

📚 ドキュメント

モデルの説明

BARTは、双方向（BERTのような）エンコーダと自己回帰型（GPTのような）デコーダを備えたトランスフォーマーエンコーダ・デコーダ（seq2seq）モデルです。BARTは、(1) 任意のノイズ関数を使ってテキストを破損させ、(2) 元のテキストを再構築するモデルを学習することで事前学習されます。

BARTは、テキスト生成（例: 要約、翻訳）にファインチューニングすると特に効果的ですが、理解タスク（例: テキスト分類、質問応答）にもうまく機能します。

想定される用途と制限

生のモデルをテキスト埋め込みに使用することができます。ただし、このモデルは主に教師付きデータセットでファインチューニングすることを想定しています。関心のあるタスクでファインチューニングされたバージョンを探すには、モデルハブ を参照してください。

💻 使用例

基本的な使用法

from transformers import BartTokenizer, BartModel

tokenizer = BartTokenizer.from_pretrained('facebook/bart-large')
model = BartModel.from_pretrained('facebook/bart-large')

inputs = tokenizer("Hello, my dog is cute", return_tensors="pt")
outputs = model(**inputs)

last_hidden_states = outputs.last_hidden_state

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。

BibTeXエントリと引用情報

@article{DBLP:journals/corr/abs-1910-13461,
  author    = {Mike Lewis and
               Yinhan Liu and
               Naman Goyal and
               Marjan Ghazvininejad and
               Abdelrahman Mohamed and
               Omer Levy and
               Veselin Stoyanov and
               Luke Zettlemoyer},
  title     = {{BART:} Denoising Sequence-to-Sequence Pre-training for Natural Language
               Generation, Translation, and Comprehension},
  journal   = {CoRR},
  volume    = {abs/1910.13461},
  year      = {2019},
  url       = {http://arxiv.org/abs/1910.13461},
  eprinttype = {arXiv},
  eprint    = {1910.13461},
  timestamp = {Thu, 31 Oct 2019 14:02:26 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1910-13461.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}