/ Модель

Характеристики

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

Question_Generation_ComQ_6

Языковая модель4 профессии

Дообученная модель T5 для генерации вопросов по тексту.

7скачиваний за 30 дней0лайковвеса обновлены28 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

QuestionGenerationComQ6 — модель семейства T5, дообученная автором Gayathri142214002 на основе Gayathri142214002/Question_Generation_ComQ_5. Она предназначена для генерации вопросов по входному тексту. Модель содержит 123,8 млн параметров, работает с текстом и имеет контекст до 512 токенов.

В карточке приведён результат оценки: loss 0,2626. Данных о языках, обучающем наборе и конкретных ограничениях применения нет. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

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

Ограничения

В README не раскрыты обучающий набор данных, поддерживаемые языки и подробные ограничения. Указанная оценка loss сама по себе не позволяет судить о качестве на конкретных задачах.

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_6

This model is a fine-tuned version of Gayathri142214002/Question_Generation_ComQ_5 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2626

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
0.25880.51500.2122
0.25711.021000.2027
0.20981.531500.2231
0.22272.042000.2304
0.19742.542500.2380
0.20243.053000.2423
0.18393.563500.2495
0.19164.074000.2490
0.17774.584500.2573
0.17765.095000.2561
0.16635.65500.2612
0.17616.116000.2611
0.15636.626500.2626

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
a1002b8

0 моделей