/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Опубликована
27 окт 2023

Question_Generation_ComQ_5

Языковая модель

Дообученная модель T5 для генерации вопросов по тексту.

6скачиваний за 30 дней0лайковвеса обновлены27 окт 2023

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_5 — модель семейства T5, разработанная Gayathri142214002 и дообученная на основе Gayathri142214002/Question_Generation_ComQ_4. Она предназначена для генерации вопросов; README сообщает значение loss 0,2956 на наборе оценки, но не приводит подробностей о данных и методике оценки. Модель содержит 123,8 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает текст, формируя текстовый результат. Максимальная длина контекста — 512 токенов. Доступна по лицензии Apache-2.0.

Сценарии применения

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

Ограничения

README не описывает обучающие данные, языки, ограничения и методику оценки; приведённое значение loss нельзя напрямую трактовать как качество генерации.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Question_Generation_ComQ_5

This model is a fine-tuned version of Gayathri142214002/Question_Generation_ComQ_4 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2956

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
0.08590.56500.2674
0.26041.111000.2472
0.22751.671500.2586
0.21842.232000.2670
0.20772.792500.2683
0.19863.343000.2726
0.19493.93500.2805
0.18244.464000.2839
0.18685.014500.2849
0.17145.575000.2928
0.16946.135500.2934
0.16186.696000.2956

Framework versions

  • Transformers 4.29.2
  • Pytorch 2.0.1+cu117
  • Datasets 2.12.0
  • Tokenizers 0.13.3

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
e424f0f

0 моделей