Характеристики

Контекст: 512 токенов
Параметры: 124 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Базовая модель: Question_Generation_ComQ_10
Опубликована: 1 фев 2024

Ссылки

Hugging Face

Question_Generation_ComQ_11

Gayathri142214002

Языковая модель

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

7скачиваний за 30 дней0лайковвеса обновлены1 фев 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

QuestionGenerationComQ11 — дообученная модель семейства T5, созданная на основе Gayathri142214002/Question_Generation_ComQ_10. Она предназначена для генерации вопросов по входному тексту; в карточке указано значение loss 0,2960 на оценочной выборке, но состав и характеристики этой выборки не описаны. Модель содержит 123,8 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает контекст длиной до 512 токенов. Весовые файлы представлены в формате safetensors. Лицензия — Apache-2.0. Языковая поддержка и подробные ограничения в карточке не описаны.

Сценарии применения

составление вопросов по предоставленному отрывку текста
автоматическая подготовка вопросов к учебному материалу
генерация вопросов для проверки понимания текста

Ограничения

Данные обучения и оценки не описаны, поэтому качество и область применимости результата по указанному loss оценить нельзя. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Question_Generation_ComQ_11

This model is a fine-tuned version of Gayathri142214002/Question_Generation_ComQ_10 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2960

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: 1
eval_batch_size: 1
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 4
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
0.2405	1.71	1000	0.2576
0.2043	3.42	2000	0.2805
0.1814	5.13	3000	0.2842
0.1591	6.83	4000	0.2960

Framework versions

Transformers 4.36.2
Pytorch 2.1.2+cu121
Datasets 2.16.1
Tokenizers 0.15.0

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: c1f1b56