Bart Base

🚀 BART (ベースサイズのモデル)

BARTは英語で事前学習されたモデルです。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this repositoryで公開されました。

免責事項: BARTをリリース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。

🚀 クイックスタート

このBARTモデルは、自然言語処理の様々なタスクに利用できます。以下では、モデルの詳細、使用方法、引用情報などを紹介します。

✨ 主な機能

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（GPTのような）デコーダを持つトランスフォーマーのエンコーダ - デコーダ（seq2seq）モデルです。BARTは、(1) 任意のノイズ関数で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）のため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の穴埋め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-base')
model = BartModel.from_pretrained('facebook/bart-base')

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

last_hidden_states = outputs.last_hidden_state

📚 ドキュメント

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}
}

📄 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。