BART（基础大小模型）

BART模型是在英语语言上预训练的。它是由Lewis等人在 BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension 论文中提出，并在 this repository 首次发布。

注意：发布BART的团队没有为该模型撰写模型卡片，因此这个模型卡片是由Hugging Face团队撰写的。

模型描述

BART是一个具有双向（类似BERT）编码器和自回归（类似GPT）解码器的transformer编码器-解码器（seq2seq）模型。BART通过（1）使用任意噪声函数破坏文本，和（2）学习一个模型来重构原始文本进行预训练。

BART在文本生成（如摘要，翻译）的精细调整方面特别有效，但也适用于理解任务（如文本分类，问题回答）。

预期用途和限制

您可以将原始模型用于文本补全。然而，该模型主要用于在受监督的数据集上进行精细调整 。请查看 model hub 以查找您感兴趣的任务的精细调整版本。

如何使用

以下是在PyTorch中使用此模型的方法：

from transformers import BartTokenizer, BartModel

tokenizer = BartTokenizer.from_pretrained('facebook/bart-base')
model = BartModel.from_pretrained('facebook/bart-base')

inputs = tokenizer("Hello, my dog is cute", return_tensors="pt")
outputs = model(**inputs)

last_hidden_states = outputs.last_hidden_state

BibTeX条目和引用信息

@article{DBLP:journals/corr/abs-1910-13461,
  author    = {Mike Lewis and
               Yinhan Liu and
               Naman Goyal and
               Marjan Ghazvininejad and
               Abdelrahman Mohamed and
               Omer Levy and
               Veselin Stoyanov and
               Luke Zettlemoyer},
  title     = {{BART:} Denoising Sequence-to-Sequence Pre-training for Natural Language
               Generation, Translation, and Comprehension},
  journal   = {CoRR},
  volume    = {abs/1910.13461},
  year      = {2019},
  url       = {http://arxiv.org/abs/1910.13461},
  eprinttype = {arXiv},
  eprint    = {1910.13461},
  timestamp = {Thu, 31 Oct 2019 14:02:26 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1910-13461.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}