Bart Finetuned Samsum

🚀 bart-finetuned-samsum 模型

本模型是专门对 facebook/bart-large-xsum 进行适配的版本，通过使用 SamSum 数据集进行微调，以提升其在对话摘要任务上的性能。

🚀 快速开始

本模型可用于对话摘要任务。以下是使用示例：

from transformers import pipeline

model = pipeline("summarization", model="luisotorres/bart-finetuned-samsum")

conversation = '''Sarah: Do you think it's a good idea to invest in Bitcoin?
    Emily: I'm skeptical. The market is very volatile, and you could lose money.
    Sarah: True. But there's also a high upside, right?                                     
'''
model(conversation)

✨ 主要特性

• 基于 facebook/bart-large-xsum 模型进行微调。
• 针对 SamSum 数据集优化，在对话摘要任务上表现出色。

📦 安装指南

文档未提及安装步骤，可参考 transformers 库的官方安装指南进行安装。

💻 使用示例

基础用法

from transformers import pipeline

model = pipeline("summarization", model="luisotorres/bart-finetuned-samsum")

conversation = '''Sarah: Do you think it's a good idea to invest in Bitcoin?
    Emily: I'm skeptical. The market is very volatile, and you could lose money.
    Sarah: True. But there's also a high upside, right?                                     
'''
model(conversation)

📚 详细文档

开发相关

• Kaggle Notebook：Text Summarization with Large Language Models

训练参数

evaluation_strategy = "epoch",
save_strategy = 'epoch',
load_best_model_at_end = True,
metric_for_best_model = 'eval_loss',
seed = 42,
learning_rate=2e-5,
per_device_train_batch_size=4,
per_device_eval_batch_size=4,
gradient_accumulation_steps=2,
weight_decay=0.01,
save_total_limit=2,
num_train_epochs=4,
predict_with_generate=True,
fp16=True,
report_to="none"

参考资料

本模型基于原始的 BART 架构，详情可参考： Lewis et al. (2019). BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension. arXiv:1910.13461

🔧 技术细节

本模型是对 facebook/bart-large-xsum 进行微调得到的，使用 SamSum 数据集进行训练，以提升在对话摘要任务上的性能。训练过程中使用了一系列的训练参数，如学习率、批次大小等，以优化模型的性能。

📄 许可证

文档未提及许可证信息。

📋 模型信息

评估结果

示例输入

• John 和 Dan 讨论是否值得购买 PlayStation 5。
• Sarah 和 Emily 讨论投资比特币是否是个好主意。
• Madison 询问 Lawrence 文章是否完成。