# 對話摘要

基於google/flan-t5-base模型在對話摘要任務上的微調版本，使用PEFT方法進行參數高效微調

該模型是基於google/pegasus-cnn_dailymail在samsum數據集上微調的文本摘要模型，專門用於對話摘要任務。

這是一個基於SAMSum數據集微調的T5文本摘要模型，適用於對話和會話的摘要任務。

基於T5 Small架構微調的對話摘要模型，專門針對Samsung/samsum數據集優化，能夠生成簡潔準確的對話摘要。

基於微調的 Llama 3.2 (3B) 的對話摘要模型，專門用於生成對話的簡潔摘要。

SummLlama3.1-8B是基於Llama3.1-8B-Instruct初始化的文本摘要模型，通過大規模摘要反饋的直接偏好優化（DPO）訓練，在忠實性、完整性和簡潔性方面表現優異。

SummLlama3-70B是基於Llama3-70B-Instruct初始化的文本摘要模型，通過大規模摘要反饋的DPO訓練優化，在忠實性、完整性和簡潔性方面表現優異。

這是一個基於T5-base架構，使用LoRA技術微調的對話摘要模型，專為高效生成對話摘要而設計。

該模型是基於 Pegasus 架構，在 SAMSUM 數據集上微調得到的英語對話摘要模型。

該模型是基於google/flan-t5-base在samsum對話摘要數據集上微調的版本，專門用於生成對話摘要任務。

基於BART-large-cnn微調的英語對話摘要模型，專門針對Samsung/samsum數據集優化

該模型是在samsum數據集上對google/pegasus-cnn_dailymail進行微調的版本，主要用於文本摘要任務。

基於BART-large-xsum微調的對話摘要模型，專門針對SamSum對話數據集優化

基於BART-large架構微調的對話摘要生成模型，在SAMSum數據集上訓練

基於Long-T5架構的摘要生成模型，支持多語言文本摘要任務。

基於Google的flan-t5-base模型在samsum對話摘要數據集上微調的文本生成模型，擅長對話摘要任務

該模型是基於facebook/bart-large-xsum在samsum數據集上微調的文本摘要生成模型，擅長生成對話摘要。

基於google/flan-t5-large在stacked-samsum-1024數據集上微調的摘要生成模型，採用堆疊摘要方法改進信息提煉能力

基於t5-small微調的對話摘要生成模型，在samsum數據集上訓練

基於BART-large架構的對話摘要模型，專門針對SAMSum對話數據集進行微調，能夠生成高質量的對話摘要。

該模型是基於BART架構，在SAMSum對話數據集上微調的抽象文本摘要模型，專門用於生成對話摘要。

基於BART-base架構的對話摘要模型，使用Amazon SageMaker和Hugging Face深度學習容器訓練，適用於SAMSum數據集。

基於SAMSum數據集微調的輕量級對話摘要模型，使用亞馬遜SageMaker和Hugging Face容器訓練

基於BART-large架構微調的對話摘要生成模型，在SAMSum數據集上訓練，專為對話文本摘要優化

DialogLM是基於長文本編碼器-解碼器（LED）架構的預訓練模型，專為長對話理解與摘要任務設計。

DialogLM是基於Longformer-Encoder-Decoder（LED）架構的預訓練模型，專為長對話理解與摘要任務設計。