/ Модель

Характеристики

Контекст
512 токенов
Параметры
38,5 млн
Лицензия
MIT
Архитектура
t5 · dense

t5-small-e2e-qg

Языковая модель3 профессии

Компактная модель T5 для автоматической генерации нескольких вопросов по заданному тексту.

3 581скачиваний за 30 дней7лайковвеса обновлены30 июл 2021

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

valhalla/t5-small-e2e-qg — модель на архитектуре T5-small, разработанная Valhalla и дообученная для сквозной генерации вопросов по входному тексту. Она принимает фрагмент текста и формулирует несколько вопросов о содержащихся в нём фактах, например о датах, авторах и свойствах.

Модель имеет 38,5 млн параметров, использует формат PyTorch и рассчитана на контекст до 512 токенов. Её можно применять для автоматического создания вопросов к учебным материалам, подготовки наборов для проверки понимания текста и генерации вопросов по документам. В качестве обучающего набора указан SQuAD.

Качество вопросов зависит от полноты и ясности исходного текста; модель может пропускать важные сведения или формулировать неточные вопросы. Лицензия — MIT.

Сценарии применения

  • создание вопросов к учебным материалам
  • подготовка вопросов для проверки понимания текста
  • генерация вопросов по отдельным абзацам и документам

Ограничения

Результаты зависят от качества исходного текста; модель может пропускать факты или задавать неточные вопросы. 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

T5 for question-generation

This is t5-small model trained for end-to-end question generation task. Simply input the text and the model will generate multile questions.

You can play with the model using the inference API, just put the text and see the results!

For more deatils see this repo.

Model in action 🚀

You'll need to clone the repo.

Open In Colab

from pipelines import pipeline

text = "Python is an interpreted, high-level, general-purpose programming language. Created by Guido van Rossum \
and first released in 1991, Python's design philosophy emphasizes code \
readability with its notable use of significant whitespace."

nlp = pipeline("e2e-qg")
nlp(text)
=> [
 'Who created Python?',
 'When was Python first released?',
 "What is Python's design philosophy?"
]

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
feec827

0 моделей