/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Базовая модель
Question_Generation_ComQ_11
Опубликована
2 апр 2024

Question_Generation_ComQ_12

Языковая модель4 профессии

Дообученная модель T5 для генерации вопросов по текстовому контексту.

18скачиваний за 30 дней0лайковвеса обновлены2 апр 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

Question_Generation_ComQ_12 — дообученная модель семейства T5, разработанная на основе Gayathri142214002/Question_Generation_ComQ_11. Она предназначена для генерации вопросов по текстовому контексту. Модель содержит 123,8 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает контекст длиной до 512 токенов.

В карточке приведён результат оценки: loss 0,2199. Данные обучения и подробности об оценке не раскрыты, поэтому этот показатель не позволяет судить о качестве на других наборах данных. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация вопросов по отрывку текста
  • подготовка вопросов для учебных материалов
  • создание вопросов для тестов по тексту

Ограничения

Датасет обучения и подробности методики оценки не указаны; приведённый loss сам по себе не характеризует качество на других данных. Контекст ограничен 512 токенами.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Question_Generation_ComQ_12

This model is a fine-tuned version of Gayathri142214002/Question_Generation_ComQ_11 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2199

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 LossEpochStepValidation Loss
0.19230.821000.1761
0.17531.642000.1859
0.16442.453000.1982
0.16083.274000.2046
0.15324.095000.2112
0.14844.916000.2147
0.14165.737000.2182
0.146.548000.2199

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
fca0e19

0 моделей