BART ( 大型模型)

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

免责声明：发布BART的团队没有为这个模型编写模型卡片，所以此模型卡片是由Hugging Face团队编写的。

模型描述

BART是一个具有双向(BERT风格)编码器和自回归(GPT风格)解码器的转换器编码器-解码器(seq2seq)模型。BART通过(1)使用任意的噪声函数破坏文本，并(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（例如摘要、翻译）的微调任务中表现特别有效，但对于理解任务（例如文本分类、问题回答）也表现良好。

预期用途和限制

您可以使用原始模型进行文本填充。然而，该模型主要用于在监督数据集上进行微调。请参考 model hub 以查找您感兴趣的任务上的微调版本。

使用方法

以下是如何在PyTorch中使用此模型的示例：

from transformers import BartTokenizer, BartModel

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

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}
}