IlyaGusev's picture
Update README.md
7ee21f4
metadata
language:
  - ru
tags:
  - summarization
license: apache-2.0
widget:
  - text: >-
      Комиссия Совета Федерации по информационной политике и взаимодействию со
      СМИ совместно с заинтересованными ведомствами думает над разработкой
      национального законодательства в области налогообложения глобальных
      интернет-компаний, таких как Google и Facebook. Об этом сообщил ТАСС
      председатель комиссии Алексей Пушков. «В настоящее время по линии ОЭСР
      [Организация экономического сотрудничества и развития] ведется разработка
      международной конвенции, однако работа над ней еще не завершена. В этих
      условиях мы исходим из того, что самая разумная позиция - начать
      разработку национального законодательства, не дожидаясь конвенции», —
      пояснил сенатор. Пушков отметил, что по такому пути пошли еще несколько
      стран, в числе которых Франция, Австралия и Турция. По его словам, в
      России важно задействовать в этой работе Минфин, ФНС, МИД РФ и
      Роскомнадзор. «Интернет-платформы не фигурируют у нас сейчас как отдельный
      объект налогообложения. Когда они откроют в России свои представительства
      в рамках закона о «приземлении», возникнет вопрос: как их официальное
      присутствие на территории России, которого сейчас нет, будет соотноситься
      с нашим налоговым режимом. Мы сейчас продумываем, как установить эту
      взаимосвязь», — сказал Пушков, добавляя, что вопрос внесения изменений в
      российское законодательство в части налогообложения крупных IT-компаний
      находится «на первой стадии изучения». Сам сенатор выступает за введение
      прогрессивной ставки налога в зависимости от прибыли IT-компаний на
      территории страны. При этом, подчеркнул он, одна из задач национальной
      системы налогообложения будет заключаться в подсчете налогооблагаемой
      базы. Сейчас крупные ИТ-компании самостоятельно отчитываются о своей
      прибыли. Однако России нужна собственная система подсчета их доходов,
      которая позволит определить их «реальную налогооблагаемую базу», считает
      Пушков. (https://www.gazeta.ru/tech/news/2021/12/17/n_17024239.shtml)
    example_title: Новость про налоги в IT
  - text: >-
      Первую многоножку, у которой более тысячи ног, обнаружили в австралийских
      пещерах биологи, изучавшие там подземные воды. Предыдущей рекордсменкой по
      количеству ног была 700-ногая многоножка. Новый вид имеет длинное тонкое
      тело, похожее на нить, и большое количество конечностей, по-видимому, дает
      преимущества для быстрого перемещения и проникновения в труднодоступные
      места — ученые полагают, такая многоножка может спокойно перемещаться по
      трещинам в камнях. Австралия известна своими огромными и жутковатыми
      животными вроде 25-сантиметровых пауков. Теперь список пугающих
      членистоногих пополнился самой «многоногой» в мире многоножкой, у которой
      более тысячи ног. Необычное животное обнаружила группа исследователей из
      Австралии и США в пещерах на западе страны. Подробнее многоножку ученые
      описали в статье в журнале Scientific Reports. Исследователи занимались
      оценкой воздействия подземных вод на окружающую среду в зоне добычи
      полезных ископаемых на западе страны, когда наткнулись на новый вид
      многоножек. В отличие от большинства сородичей, живущих на поверхности,
      эти многоножки обитали в пещерах на глубине до 60 метров. Новый вид
      исследователи назвали Eumillipes persephone, в честь Персефоны —
      древнегреческой богини подземного мира. У многоножки оказалось 1306 ног —
      больше, чем у любого другого известного вида. Предыдущей рекордсменкой
      была калифорнийская Illacme plenipes, у которой насчитывалось до 750 ног.
      «Эти животные были настолько уникальны, — говорит биолог Бруно Бузатто. —
      Как только я понял, какой длины они были... Стало ясно, что это что-то
      совершенно новое». У Е. persephone нитевидное тело длиной около 9,5 см и
      шириной всего миллиметр, состоящее из 330 сегментов, короткие ноги и
      конусообразная голова. Как и другие животные, живущие в постоянной
      темноте, эти многоножки бледны и слепы. Энтомолог Пол Марек сравнивает ее
      с белой нитью, выдернутой из рубашки. Чтобы посчитать количество ног,
      ученым пришлось сначала снять многоножку в высоком разрешении, а затем
      закрашивать на фото каждый десяток ног другим цветом.
      (https://www.gazeta.ru/science/2021/12/17_a_14325355.shtml)
    example_title: Новость про многоножку
  - text: >-
      Высота башни составляет 324 метра (1063 фута), примерно такая же высота,
      как у 81-этажного здания, и самое высокое сооружение в Париже. Его
      основание квадратно, размером 125 метров (410 футов) с любой стороны. Во
      время строительства Эйфелева башня превзошла монумент Вашингтона, став
      самым высоким искусственным сооружением в мире, и этот титул она
      удерживала в течение 41 года до завершения строительство здания Крайслер в
      Нью-Йорке в 1930 году. Это первое сооружение которое достигло высоты 300
      метров. Из-за добавления вещательной антенны на вершине башни в 1957 году
      она сейчас выше здания Крайслер на 5,2 метра (17 футов). За исключением
      передатчиков, Эйфелева башня является второй самой высокой отдельно
      стоящей структурой во Франции после виадука Мийо.
    example_title: Википедия

RuT5TelegramHeadlines

Model description

Based on rut5-base model

Intended uses & limitations

How to use

from transformers import AutoTokenizer, T5ForConditionalGeneration

model_name = "IlyaGusev/rut5_base_headline_gen_telegram"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = T5ForConditionalGeneration.from_pretrained(model_name)

article_text = "..."

input_ids = tokenizer(
    [article_text],
    max_length=600,
    add_special_tokens=True,
    padding="max_length",
    truncation=True,
    return_tensors="pt"
)["input_ids"]

output_ids = model.generate(
    input_ids=input_ids
)[0]

headline = tokenizer.decode(output_ids, skip_special_tokens=True)
print(headline)

Training data

Training procedure