许可证: apache-2.0
语言:

• 英文
  标签:
• 文本生成
• 文本到文本生成
• 摘要生成
  管道标签: 文本到文本生成
  小部件示例:
• 文本: "摘要: 你可能想反抗老板并离职，但如果出于以下原因，请别这样做。"
  示例标题: "示例1"
• 文本: "摘要: 豪尔赫·阿尔法罗击出两分打点，阿隆·诺拉投出七局仅被击出两支安打的好球，费城费城人队周四以2-1击败洛杉矶道奇队，破坏了克莱顿·克肖近一个月来的首次先发。作为第8棒打者..."
  示例标题: "示例2"

MTL-摘要模型

MTL-摘要模型由田一棠、李俊毅、赵维新和温继荣在论文MVP: 自然语言生成的多任务监督预训练中提出。

详细信息和说明请访问项目主页。

模型描述

MTL-摘要模型通过混合多个标注摘要数据集进行监督预训练，是我们主模型MVP的单任务变体(Single)。其采用标准Transformer编码器-解码器架构。

该模型专为摘要任务设计，适用于新闻摘要(CNN/DailyMail, XSum)和对话摘要(SAMSum)等场景。

使用示例

>>> from transformers import MvpTokenizer, MvpForConditionalGeneration  

>>> tokenizer = MvpTokenizer.from_pretrained("RUCAIBox/mvp")  
>>> model = MvpForConditionalGeneration.from_pretrained("RUCAIBox/mtl-summarization")  

>>> inputs = tokenizer(  
...     "摘要: 你可能想反抗老板并离职，但如果出于以下原因，请别这样做。",  
...     return_tensors="pt",  
... )  
>>> generated_ids = model.generate(**inputs)  
>>> tokenizer.batch_decode(generated_ids, skip_special_tokens=True)  
["若出于这些原因请勿冲动辞职"]  

关联模型

核心模型：MVP

提示型模型：

• 多任务MVP：链接
• 摘要MVP：链接
• 开放对话MVP：链接
  （其他模型链接保持原格式）

多任务型模型：

• 多任务摘要：链接
  （其他MTL模型链接保持原格式）

引用文献

@article{tang2022mvp,  
  title={MVP: 自然语言生成的多任务监督预训练},  
  author={田一棠 and 李俊毅 and 赵维新 and 温继荣},  
  journal={arXiv预印本},  
  year={2022},  
  url={论文链接},  
}