/ Модель

Характеристики

Контекст
512 токенов
Параметры
1,7 млрд
Лицензия
CC BY-NC-SA 4.0
Архитектура
albert · dense
Опубликована
21 окт 2022

kda-albert-xlarge-v2-race

Классификация и разметкаТекст → label3 профессии

Модель Riiid на базе ALBERT выбирает правильный ответ в заданиях с множественным выбором и использовалась для исследования зависимости вопросов от знаний.

28скачиваний за 30 дней0лайковвеса обновлены13 мар 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

Riiid разработала эту модель на архитектуре ALBERT для выбора правильного варианта ответа в заданиях с множественным выбором. Она использовалась в работе EMNLP 2022 «Evaluating the Knowledge Dependency of Questions» для оценки зависимости вопросов от знаний. Модель содержит 1,7 млрд параметров, принимает текст и поддерживает контекст до 512 токенов.

Модель подходит для экспериментов с вопросами и ответами в формате multiple choice. Она распространяется в формате PyTorch по лицензии CC BY-NC-SA 4.0, которая требует указания авторства и распространения производных материалов на тех же условиях и ограничивает коммерческое использование.

Сценарии применения

  • выбор правильного ответа из нескольких вариантов
  • оценка зависимости тестовых вопросов от предметных знаний
  • эксперименты с автоматическим решением тестов
  • сравнение вариантов ответа в исследовательских задачах

Ограничения

Карточка не сообщает о поддерживаемых языках и оценках качества. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое использование.

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

How to use

This is a model used in the EMNLP 2022 work, "Evaluating the Knowledge Dependency of Questions". We fine-tuned the albert-xlarge-v2 model on the RACE dataset. Please refer to our publication to check how to use the model to evaluate the question.

RACE finetune:

  • validation_loss: 0.535
  • validation_acc : 0.806

Code | https://github.com/riiid/question-score

Paper | https://aclanthology.org/2022.emnlp-main.718/

How to cite

@inproceedings{moon-etal-2022-evaluating,
    title = "Evaluating the Knowledge Dependency of Questions",
    author = "Moon, Hyeongdon  and
      Yang, Yoonseok  and
      Yu, Hangyeol  and
      Lee, Seunghyun  and
      Jeong, Myeongho  and
      Park, Juneyoung  and
      Shin, Jamin  and
      Kim, Minsam  and
      Choi, Seungtaek",
    booktitle = "Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing",
    month = dec,
    year = "2022",
    address = "Abu Dhabi, United Arab Emirates",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2022.emnlp-main.718",
    pages = "10512--10526",
    abstract = "The automatic generation of Multiple Choice Questions (MCQ) has the potential to reduce the time educators spend on student assessment significantly. However, existing evaluation metrics for MCQ generation, such as BLEU, ROUGE, and METEOR, focus on the n-gram based similarity of the generated MCQ to the gold sample in the dataset and disregard their educational value.They fail to evaluate the MCQ{'}s ability to assess the student{'}s knowledge of the corresponding target fact. To tackle this issue, we propose a novel automatic evaluation metric, coined Knowledge Dependent Answerability (KDA), which measures the MCQ{'}s answerability given knowledge of the target fact. Specifically, we first show how to measure KDA based on student responses from a human survey.Then, we propose two automatic evaluation metrics, KDA{\_}disc and KDA{\_}cont, that approximate KDA by leveraging pre-trained language models to imitate students{'} problem-solving behavior.Through our human studies, we show that KDA{\_}disc and KDA{\_}soft have strong correlations with both (1) KDA and (2) usability in an actual classroom setting, labeled by experts. Furthermore, when combined with n-gram based similarity metrics, KDA{\_}disc and KDA{\_}cont are shown to have a strong predictive power for various expert-labeled MCQ quality measures.",
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · multiple-choice

Можно запустить

Подбираем GPU…

Класс архитектуры
AlbertForMultipleChoice
Ревизия весов
e6978fd

0 моделей