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, 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

T5-small-60M-ESG-Keyword Model

Descrição

Este é um modelo T5-small com 60 milhões de parâmetros, fine-tuned para tarefas relacionadas a palavras-chave ESG (Environmental, Social, and Governance). O modelo foi treinado para [descreva brevemente a tarefa específica, por exemplo: identificar e gerar palavras-chave ESG relevantes a partir de texto de entrada]. Este modelo ainda está em fase de testes.

Uso do Modelo

Este modelo pode ser usado para [descreva os casos de uso principais, por exemplo: análise de relatórios de sustentabilidade, identificação de tópicos ESG em notícias corporativas, etc.].

Exemplo de Uso

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

model_name = "exo-is/t5-small-60M-esg-keyword"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

input_text = "Seu texto de entrada aqui"
inputs = tokenizer(input_text, return_tensors="pt", max_length=512, truncation=True)

outputs = model.generate(**inputs)
result = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(result)

Detalhes do Modelo

Arquitetura Base: T5-small
Número de Parâmetros: 60 milhões
Linguagem: Python; Json
Licença: Apache 2.0
Limitações:

Conjunto de Dados de Treinamento

Avaliação de Desempenho

Contato

Para questões ou feedback sobre este modelo, por favor entre em contato com:

Nome: Tito Barros Sala Email: [email protected]

Agradecimentos

[Mencione quaisquer agradecimentos, colaboradores ou fontes de inspiração relevantes]

Downloads last month: 5

Safetensors

Model size

60.5M params

Tensor type

F32

Inference Providers NEW

Text Generation

This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Model tree for exo-is/t5-small-60M-esg-keyword

Base model

google-t5/t5-small

Finetuned

(2022)

this model

exo-is
/

t5-small-60M-esg-keyword