# 高ROUGEスコア

金融テキスト要約タスクのためにファインチューニングされたLEDモデル、pszemraj/led-large-book-summaryを基に、ウォーリックビジネススクールGEN AI GROUP 15チームによって開発

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。

google/flan-t5-baseを微調整したモデルで、科学的な要約を簡潔なタイトルに凝縮する抽象的な要約生成タスクに特化しています。

これはVietAI/vit5-baseモデルをベースに、AutoTrainを使用してトレーニングされたシーケンス・ツー・シーケンスモデルで、テキスト生成タスクをサポートします。

mukayese/mt5-base-turkish-summarizationをファインチューニングしたトルコ語ニュース要約生成モデルで、簡潔で一貫性のある要約を生成できます。

NoticIAデータセットでファインチューニングされたスペイン語の釣りタイトルニュース要約生成モデル。センセーショナルな見出しの背後にある真実を明らかにします

T5-smallをファインチューニングしたテキスト要約モデルで、長文から簡潔で一貫性があり情報豊富な要約を生成するために特別に設計されています。

BART-large-xsumを基にファインチューニングした対話要約モデルで、SamSum対話データセットに特化して最適化されています

BART-largeアーキテクチャを基にSAMSumデータセットでファインチューニングされた対話要約生成モデル

mT5をファインチューニングした中国語テキスト要約モデルで、多様な中国語データセットで訓練されており、様々なテキストに対して一貫性のある簡潔な要約を生成できます。

AutoTrainプラットフォームでトレーニングされたテキスト要約生成モデル、BART-Longformerアーキテクチャを採用

BART-largeアーキテクチャに基づくテキスト要約モデルで、科学文献の平易な要約生成に特化しています。

Googleのflan-t5-baseモデルをsamsum対話要約データセットでファインチューニングしたテキスト生成モデルで、対話要約タスクに優れています

Googleのflan-t5-baseモデルをsamsum対話要約データセットでファインチューニングしたテキスト生成モデル

このモデルは、facebook/bart-large-xsumをベースに、samsumデータセットで微調整されたテキスト要約生成モデルで、対話要約の生成に長けています。

google/flan-t5-largeをベースにstacked-samsum-1024データセットで微調整した要約生成モデルで、スタック要約手法を用いて情報抽出能力を向上させています。

BARTはTransformerベースのシーケンス・ツー・シーケンスモデルで、テキスト要約生成タスク専用です。

Long-T5アーキテクチャに基づく大規模要約生成モデルで、書籍や長文書の要約タスク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T5-largeモデルをファインチューニングした要約生成モデルで、XSUMとCNNデイリーメールデータセットでトレーニングされており、簡潔で正確な要約を生成するのに優れています。

google/long-t5-tglobal-baseをファインチューニングしたテキスト要約モデルで、XSumおよびCNN/DailyMailデータセットで良好なパフォーマンスを発揮します。

このモデルは、multi_newsデータセットでdistilbart-cnn-12-6をファインチューニングしたテキスト要約モデルで、マルチドキュメント要約タスク専用です。

中国語テキスト要約タスクに特化したPAGASUS-baseの中国語バージョンで、複数の中国語要約データセットで微調整・最適化されています

テキスト要約タスクに特化した中国語PEGASUS-largeモデルで、複数の中国語要約データセットでファインチューニング済み

Long-T5アーキテクチャに基づく書籍要約生成モデルで、長文書の処理と高品質な要約生成をサポートします。

Long-T5アーキテクチャに基づく大規模要約生成モデルで、長文書要約タスクに最適化されており、16384トークンのコンテキスト長をサポートします。

LSG技術に基づくBARTモデルで、長いシーケンスの要約生成タスクに最適化されており、16384の長さの入力シーケンスをサポート

このモデルはfacebook/bart-baseをsamsumデータセットでファインチューニングしたバージョンで、要約生成タスク専用です。

ILCデータセットで微調整されたLongformerエンコーダー・デコーダーモデルで、法律文書の要約生成タスクに特化

mT5-baseモデルをファインチューニングしたタイ語の文要約生成モデルで、タイのキングモンクット工科大学コンピュータ工学専攻の学生によって開発されました

distilbart-cnn-12-6を微調整した履歴書要約生成モデルで、ROUGE指標で良好なパフォーマンスを発揮

Ameer05/tokenizer-repoをファインチューニングした要約生成モデルで、ROUGE指標で良好な性能を発揮

BART-largeアーキテクチャを基にファインチューニングした履歴書要約生成モデルで、ROUGE指標で優れた性能を発揮

BARTアーキテクチャに基づくテキスト要約モデルで、未知のデータセットでファインチューニングされており、履歴書の要約生成に優れています

BART-largeアーキテクチャに基づくテキスト要約モデルで、未知のデータセットで10回の微調整を行い、履歴書の要約生成に優れています。

BART-largeアーキテクチャに基づく対話要約モデルで、SAMSumコーパス用に微調整され、対話要約の生成に適しています。

BART-large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、会議要約タスクに特化して微調整され、複数のデータセットでの学習に対応しています。

このモデルはSamsumデータセットでファインチューニングされたBART-large-xsumモデルで、対話要約生成タスク専用です。

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、多言語会議記録処理に特化した抽象的要約生成に使用されます。