YAML Metadata Warning:The pipeline tag "text2text-generation" is not in the official list: text-classification, token-classification, table-question-answering, question-answering, zero-shot-classification, translation, summarization, feature-extraction, text-generation, fill-mask, sentence-similarity, text-to-speech, text-to-audio, automatic-speech-recognition, audio-to-audio, audio-classification, audio-text-to-text, voice-activity-detection, depth-estimation, image-classification, object-detection, image-segmentation, text-to-image, image-to-text, image-to-image, image-to-video, unconditional-image-generation, video-classification, reinforcement-learning, robotics, tabular-classification, tabular-regression, tabular-to-text, table-to-text, multiple-choice, text-ranking, text-retrieval, time-series-forecasting, text-to-video, image-text-to-text, image-text-to-image, image-text-to-video, visual-question-answering, document-question-answering, zero-shot-image-classification, graph-ml, mask-generation, zero-shot-object-detection, text-to-3d, image-to-3d, image-feature-extraction, video-text-to-text, keypoint-detection, visual-document-retrieval, any-to-any, video-to-video, other

rut5-menu-desc 1.0.0 — финальная модель

Модель по названию, категории и ингредиентам блюда генерирует короткое описание на русском языке для карточки фуд-маркетплейса.

Выбор модели

Финальная модель — ruT5-base fine-tuned + подобранное декодирование (строка ruT5-base + tuned decoding в final_results.csv). Она лучшая из восьми вариантов, сравнённых на одном test (300 примеров):

Модель chrF++ (β=1) ROUGE-L BERTScore F1 Ингредиенты, % avg chars
ruT5-base + tuned decoding 19.89 17.65 52.88 78.7 70
ruT5-base tuned (lr/batch) 19.87 17.16 53.05 71.3 70
ruT5-base fine-tuned 18.32 18.09 52.04 71.0 49
Qwen2.5-0.5B zero-shot 17.86 11.31 49.06 98.7 153
Qwen2.5-0.5B + LoRA 15.90 11.07 48.88 40.0 61
Template / kNN ≤ 18.51 ≤ 11.51 ≤ 48.47 — —

Почему именно она:

  • у неё максимальные chrF++ (β=1) и BERTScore;
  • ROUGE-L в пределах шума от максимума: bootstrap-интервалы пересекаются;
  • ингредиенты она упоминает чаще остальных ruT5-вариантов;
  • tuned lr/batch на test прироста не дал, поэтому взяты более простые веса baseline.

Версия

Поле Значение
Идентификатор rut5-menu-desc@1.0.0
Базовая модель ai-forever/ruT5-base (223M параметров, encoder–decoder)
Обучение 10 000 примеров, 2 эпохи, batch 8, lr 5e-4, Adafactor, seed 42
Веса model.safetensors, SHA-256 записан в model_version.json и проверяется при загрузке
Параметры генерации num_beams=4, no_repeat_ngram_size=2, length_penalty=2.0, min_new_tokens=15, max_new_tokens=80

Параметры генерации — часть версии. Они записаны и в model_version.json, и в generation_config.json. Любое изменение весов или параметров требует новой версии; скрипт подготовки отказывается перезаписывать существующую папку версии.

Вход

Поле Тип Правила
title str обязательно; 1–100 символов; хотя бы одна буква
category str "A > B" или list[str] опционально; берутся 2 верхних уровня; если нет, используется —, как при обучении
ingredients list[str] или str через , ; или перенос строки 1–30 штук, каждый ≤ 60 символов; пустые удаляются, дубликаты схлопываются без учёта регистра

Все поля проходят Unicode-нормализацию (NFC), из них удаляются управляющие символы, повторные пробелы схлопываются. Затем вход собирается в строку точно в формате обучения:

Блюдо: Бешбармак
Категория: Горячие блюда > Блюда из мяса
Ингредиенты: конина, баранина, тесто, лук репчатый, бульон

Строка обрезается до 128 токенов, как при обучении; в этом случае выставляется флаг input_truncated. Некорректный вход вызывает InputValidationError с понятным сообщением; в будущем API это ответ HTTP 422.

Выход

{
  "description": "…",
  "model_version": "rut5-menu-desc@1.0.0",
  "warnings": ["health_claim"],
  "input_tokens": 42,
  "latency_ms": 850.3
}

warnings — флаги продуктовых проверок; текст они не изменяют, а нужны для модерации и мониторинга:

  • health_claim — «полезный», «лучший» и т. п.: запрещено требованиями к карточке;
  • first_person — «я», «мой», «муж»;
  • no_ingredient_mentioned — в описании нет ни одного ингредиента из входа;
  • empty_output — пустой ответ;
  • input_truncated — вход длиннее 128 токенов.

Известные ограничения

  • В 21.7% ответов на test есть health claims: модель унаследовала их из эталонов. Поэтому проверка встроена в выход.
  • Ответы короче эталона: 71 символ против 113.
  • Модель работает только на русском языке. Казахских названий и ингредиентов в обучении не было.
  • Reference-метрики плохо отражают «аппетитность»; один эталон на пример.

Производительность (замер в Colab на обученной модели, 1 запрос, beams 4)

Режим Веса Задержка p50 chrF++ β=1 (50 test-примеров)
GPU T4, FP32 850 МБ 0.44 с 20.95
CPU, FP32 850 МБ 2.55 с 20.95
CPU, INT8 (dynamic) ≈ 310 МБ 0.86 с 21.27

Сервис работает на CPU с INT8: в 3 раза быстрее FP32 без потери качества. Воспроизводимость: предсказания совпадают с test-предсказаниями Midterm на 100% (50/50).

Downloads last month
125
Safetensors
Model size
0.2B params
Tensor type
F32
·
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Model tree for alllukaaa/rut5-menu-desc

Finetuned
(26)
this model