antoineboubouu/bart-base-rotowire-recap

BART-base fine-tuné sur RotoWire (box-score NBA -> compte-rendu)

Adaptateur LoRA (r=16, alpha=32, cible qproj/vproj) fine-tuné sur facebook/bart-base pour générer un compte-rendu textuel de match NBA à partir d'une box-score structurée (dataset RotoWire, Wiseman et al. 2017 — harvardnlp/boxscore-data).

Entrée attendue

Box-score linéarisée en <record> entité | stat | valeur | HOME|VIS </record> — stats d'équipe complètes + les 3 joueurs les plus utilisés par équipe (par minutes) sur 6 stats (MIN/PTS/REB/AST/STL/BLK). Voir preprocess.py du repo GitHub pour le détail du format.

Résultats (test set RotoWire, 728 matchs)

• —BLEU : 9.56
• —Couverture de contenu (proxy approximatif, pas la métrique CS du papier) : 0.365

Comparaison à la littérature (Wiseman et al. 2017, Table 2) : baseline à gabarits 6.78 BLEU, modèles neuronaux à mécanisme de copie 12.96-14.49 BLEU. Ce modèle se situe au-dessus du baseline naïf, en dessous des modèles à copie explicite — attendu, puisque ce modèle n'a pas de mécanisme de copie dédié et reçoit une entrée compressée (3 joueurs/équipe, 6 stats) plutôt que la box-score complète.

Limites connues

• —Entraîné et évalué uniquement sur des matchs jusqu'au 29/03/2017 (date d'arrêt du dataset).
• —Pas de mécanisme de copie explicite pour les valeurs numériques.
• —Sélection de contenu par heuristique fixe (top-3 joueurs par minutes), pas apprise.

Code complet : [lien vers ton repo GitHub]