/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Базовая модель
Question_Generation_ComQ_14
Опубликована
6 апр 2024

Question_Generation_ComQ_15

Языковая модель3 профессии

Дообученная модель T5 для генерации вопросов по тексту.

8скачиваний за 30 дней0лайковвеса обновлены6 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_15 — дообученная модель T5, разработанная на основе Gayathri142214002/Question_Generation_ComQ_14. Она предназначена для генерации вопросов по тексту. Модель содержит 123,8 млн параметров, использует архитектуру T5 и принимает контекст длиной до 512 токенов.

В README приведено значение loss 0,2026 на оценочном наборе, но подробности о датасете, метриках и сценариях применения отсутствуют. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • Создание вопросов по предоставленному тексту
  • Подготовка вопросов для учебных материалов
  • Генерация вопросов для проверки понимания текста

Ограничения

Датасет и подробности оценки не раскрыты; приведено только значение loss 0,2026. Контекст ограничен 512 токенами.

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_15

This model is a fine-tuned version of Gayathri142214002/Question_Generation_ComQ_14 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2026

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
0.16560.791000.1602
0.15821.572000.1739
0.15322.363000.1860
0.14773.154000.1880
0.14263.945000.1932
0.13584.726000.1990
0.13895.517000.1995
0.13336.38000.2026

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
ff2ba00

0 моделей