t5-pegasus：中文生成式预训练模型-源码

T5飞马 中文生成式预训练模型，以mT5为基础架构和初始权重，通过类似PEGASUS的方式进行预训练。 详情可见： ://kexue.fm/archives/8209 分词器 我们将T5 PEGASUS的令牌生成器转换成BERT的令牌生成器，它对中文更友好。同时，我们重新排列一版词表，从而里边的字，词都更加完善，目前的vocab.txt共包含5万个token，真正覆盖了中文的常用字，词。 预训练任务 具体来说，假设一个文档有n个句子，我们从中挑出大约n / 4个句子（可以不连续），因此这n / 4个句子拼起来的文本，跟剩下的3n / 4个句子拼写的文本，更长公共子序列重置长，然后我们将3n / 4个句子拼写的文本视为标题，n / 4个句子拼起来的文本透视摘要，通过这样的方式构成一个“（Reuters，摘要）”的伪摘要数据对。 模型下载 目前开源的T5 PEGASUS是基本版，总参数量为2