Gemma-APS
Gemma-APS — исследовательские модели Google 2B и 7B для разбиения текста на отдельные факты и утверждения с сохранением смысла.
Gemma-APS — специализированные модели Google для абстрактивного разбиения текста на предложения-факты (abstractive proposition segmentation). Релиз состоялся 15 октября 2024 года; опубликованы instruction-tuned варианты 2B и 7B: google/gemma-2b-aps-it и google/gemma-7b-aps-it. На вход подаётся фрагмент текста, а модель выделяет изложенные в нём факты и идеи и переформулирует их полными предложениями.
- Как работает разбиение на утверждения
- Из сплошного текста — к отдельным смысловым частям
- Выбор между 2B и 7B
- Учитывайте память и объём текста
- Чем APS отличается от суммаризации
- Сегменты сохраняют проверяемые тезисы
- Связанные модели и разработчик
- Модели семейства Gemma
- Первичные источники
- Документы, карточки и журнал релизов Google
Как работает разбиение на утверждения
Из сплошного текста — к отдельным смысловым частям
Gemma-APS помогает разбить длинное изложение на короткие утверждения, которые можно передавать в последующие этапы анализа. Google приводит среди исследовательских сценариев grounding генерации, поиск содержания, фактчекинг, оценку пересказов и выявление дублирующихся материалов. При этом модель формирует сегменты; она не проверяет их истинность автоматически и не заменяет обращение к первичным источникам.
Выбор между 2B и 7B
Учитывайте память и объём текста
Обе версии выполняют одну задачу, но отличаются размером и требованиями к запуску. Компактный вариант проще размещать на ограниченном оборудовании, тогда как 7B требует больше ресурсов. До включения в аналитический конвейер измерьте качество разбиения и скорость на текстах нужного жанра: ошибка в границах или перефразировании может изменить смысл исходного утверждения.
Чем APS отличается от суммаризации
Сегменты сохраняют проверяемые тезисы
Обычная суммаризация стремится сжать материал до общего пересказа. APS разбивает текст на отдельные утверждения для последующей проверки или индексации. Полученные формулировки всё равно могут содержать пропуски и смысловые искажения, поэтому важные фрагменты следует сопоставлять с исходным текстом. Модельный репозиторий и исследовательская статья доступны по официальным ссылкам ниже.
Связанные модели и разработчик
Модели семейства Gemma
Gemma · Gemma 2 · DataGemma · EmbeddingGemma · Google DeepMind в Вики Futuretools
Первичные источники
Документы, карточки и журнал релизов Google
документация Gemma-APS · официальный журнал выпусков Gemma · https://huggingface.co/google/gemma-2b-aps-it · https://huggingface.co/google/gemma-7b-aps-it