# 英語要約

T5-smallアーキテクチャをxsumデータセットでファインチューニングしたテキスト要約モデルで、簡潔な要約を生成できます。

このモデルはgoogle/pegasus-cnn_dailymailをsamsumデータセットでファインチューニングしたテキスト要約モデルで、対話要約タスクに特化しています。

T5-smallモデルをベースに、XSumデータセットでLoRA技術を使用してファインチューニングしたテキスト要約モデル

GPT-2アーキテクチャをファインチューニングしたテキスト要約モデルで、PyTorchとCoreMLフレームワークをサポートし、簡潔で正確なテキスト要約の生成に適しています。

微調整された Llama 3.2 (3B) に基づく会話要約モデルで、会話の簡潔な要約を生成するために特別に設計されています。

pegasus-x-baseをファインチューニングしたテキスト要約モデルで、合成データを使用してトレーニングされ、長文書の要約タスクに優れています。

T5-smallをファインチューニングした米国上下院法案要約生成モデル

BART-largeをファインチューニングしたニュース要約生成モデルで、StableBeluga-7Bを教師モデルとして使用し、効率的で高品質なニュース要約を提供

Long-T5アーキテクチャに基づくテキスト要約モデルで、合成データセットsynthsummでファインチューニングされ、長文要約タスクに特化しています。

Long-T5アーキテクチャに基づく政府報告要約生成モデルで、長文書要約タスクに特化して最適化されています。

Pegasusアーキテクチャを基にファインチューニングされたニュース要約生成モデルで、BBCニュースコンテンツに特化して最適化されています

facebook/bart-baseをxsumデータセットでファインチューニングした要約生成モデルで、簡潔で正確な要約を生成するのに優れています。

これはBARTアーキテクチャに基づくシーケンスツーシーケンスモデルで、対話要約生成タスクに特化しています。

xSummは、極限要約タスク用に設計されたBARTモデルで、与えられた記事に対して一行の抽象的な要約を生成することができます。

BARTモデルをファインチューニングした英語テキスト要約生成器、cnn-dailymailデータセットで学習

GPT2アーキテクチャに基づくテキスト要約生成モデル、CNN/Daily Mailデータセット向けに最適化

RoBERTa-Largeで初期化されたエンコーダ-デコーダモデルで、要約生成タスク向けに設計され、CNN/DailyMailデータセットでファインチューニングされています。

このモデルはGoogle T5-baseアーキテクチャをベースに微調整されたニュース要約生成モデルで、4515個のサンプルを含むニュース要約データセットで訓練されています。