/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Базовая модель
Question_Generation_ComQ_13
Опубликована
4 апр 2024

Question_Generation_ComQ_14

Языковая модель3 профессии

Дообученная модель T5 для генерации вопросов по тексту.

12скачиваний за 30 дней0лайковвеса обновлены4 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

QuestionGenerationComQ14 — дообученная модель семейства T5, разработанная автором репозитория Gayathri142214002 на основе Gayathri142214002/Question_Generation_ComQ_13. Она предназначена для генерации вопросов по текстовому входу. Модель содержит 123,8 млн параметров, имеет контекстное окно до 512 токенов и распространяется в формате safetensors.

В карточке указано значение loss 0,2129 на наборе оценки, но датасет, методика оценки и подробности обучения не приведены. Модель доступна по лицензии Apache-2.0; качество и ограничения для конкретных сценариев по имеющимся сведениям оценить нельзя.

Сценарии применения

  • составление вопросов по учебному материалу
  • генерация вопросов для викторин по тексту
  • подготовка вопросов для проверки понимания прочитанного

Ограничения

Язык и состав обучающих данных не раскрыты. Указано значение loss на наборе оценки, однако датасет и методика не описаны.

Для каких профессий подходит3

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_14

This model is a fine-tuned version of Gayathri142214002/Question_Generation_ComQ_13 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2129

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
0.17540.791000.1618
0.15851.582000.1822
0.16012.383000.1877
0.14943.174000.1956
0.14693.965000.2006
0.13994.756000.2082
0.13525.547000.2119
0.1346.348000.2129

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
190365c

0 моделей