Характеристики

Контекст: 512 токенов
Параметры: 124 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Опубликована: 29 окт 2023

Ссылки

Hugging Face

Question_Generation_ComQ_7

Gayathri142214002

Языковая модель4 профессии

Дообученная модель T5 для генерации вопросов по тексту.

10скачиваний за 30 дней0лайковвеса обновлены29 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

QuestionGenerationComQ7 — дообученная модель семейства T5, разработанная Gayathri142214002 на основе Gayathri142214002/Question_Generation_ComQ_6. Она предназначена для генерации вопросов по входному тексту. Модель содержит 123,8 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch.

В карточке приведено значение loss 0,2548 на оценочном наборе, но сведения о наборе данных, методике оценки и практическом качестве отсутствуют. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

составление вопросов по учебному тексту
создание вопросов для викторин и тестов
генерация вопросов по фрагменту документа

Ограничения

Данные о языках, обучающем наборе и методике оценки не приведены; указанная оценка loss сама по себе не позволяет судить о качестве ответов.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Question_Generation_ComQ_7

This model is a fine-tuned version of Gayathri142214002/Question_Generation_ComQ_6 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2548

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 Loss	Epoch	Step	Validation Loss
0.2403	0.94	100	0.2070
0.2145	1.88	200	0.2226
0.1941	2.82	300	0.2355
0.1839	3.76	400	0.2418
0.1795	4.69	500	0.2484
0.1718	5.63	600	0.2516
0.1603	6.57	700	0.2548

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: 68706c4