Характеристики

Контекст: 512 токенов
Параметры: 124 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Базовая модель: Question_Generation_ComQ_9
Опубликована: 10 янв 2024

Ссылки

Hugging Face

Question_Generation_ComQ_10

Gayathri142214002

Языковая модель

Дообученная модель T5 для генерации вопросов по тексту с контекстом до 512 токенов.

13скачиваний за 30 дней0лайковвеса обновлены30 мар 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Gayathri142214002/Question_Generation_ComQ_10 — модель семейства T5, дообученная авторами репозитория на неизвестном наборе данных; базовая модель — Gayathri142214002/Question_Generation_ComQ_9. Она предназначена для генерации вопросов по тексту. Модель содержит 123,8 млн параметров, принимает текст и выдаёт текст, использует архитектуру T5ForConditionalGeneration и поддерживает контекст до 512 токенов.

В README приведено значение loss 0,2292 на оценочном наборе, но состав данных и подробности методики оценки не раскрыты. Модель распространяется в формате safetensors по лицензии Apache-2.0; сведения о поддерживаемых языках и специальных областях применения отсутствуют.

Сценарии применения

генерация вопросов по учебному материалу
создание вопросов для викторин по тексту
подготовка вопросов для проверки понимания текста

Ограничения

Обучающий набор данных и поддерживаемые языки не описаны. Значение loss 0,2292 приведено без деталей оценочного набора и методики, поэтому оно не позволяет судить о качестве на других данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Question_Generation_ComQ_10

This model is a fine-tuned version of Gayathri142214002/Question_Generation_ComQ_9 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2292

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 0.0001
train_batch_size: 4
eval_batch_size: 4
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 16
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 7

Training results

Training Loss	Epoch	Step	Validation Loss
0.196	0.84	100	0.1793
0.1809	1.68	200	0.2003
0.1783	2.53	300	0.2110
0.1686	3.37	400	0.2178
0.1622	4.21	500	0.2223
0.1601	5.05	600	0.2233
0.1501	5.89	700	0.2292
0.1453	6.74	800	0.2292

Framework versions

Transformers 4.39.2
Pytorch 2.2.2+cu121
Datasets 2.18.0
Tokenizers 0.15.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры: T5ForConditionalGeneration
Ревизия весов: ed2adb4