T5 Weighter Cnndm En

🚀 t5-weighter_cnndm-en

このモデルは、T5-smallベースの分類器モデルで、回答と質問のペアが重要な事実と見なされるかどうかを予測します（この回答は妥当な要約に含まれるのに十分に関連性があるか？）。

🚀 クイックスタート

このモデルは、T5-smallベースの分類器モデルで、回答と質問のペアが重要な事実と見なされるかどうかを予測します。具体的には、この回答が妥当な要約に含まれるのに十分に関連性があるかを判断します。このモデルはQuestEvalメトリックの一部ですが、そのまま独立して使用することもできます。

✨ 主な機能

• 回答と質問のペアが重要な事実と見なされるかどうかを予測します。
• 妥当な要約に含まれるのに十分な関連性があるかを判断します。

📦 インストール

このセクションでは、モデルを使用するためのコード例を示します。

from transformers import T5Tokenizer, T5ForConditionalGeneration

tokenizer = T5Tokenizer.from_pretrained("ThomasNLG/t5-weighter_cnndm-en")

model = T5ForConditionalGeneration.from_pretrained("ThomasNLG/t5-weighter_cnndm-en")

💻 使用例

基本的な使用法

from transformers import T5Tokenizer, T5ForConditionalGeneration

tokenizer = T5Tokenizer.from_pretrained("ThomasNLG/t5-weighter_cnndm-en")

model = T5ForConditionalGeneration.from_pretrained("ThomasNLG/t5-weighter_cnndm-en")

高度な使用法

モデルは推論APIを使用して操作することができます。テキスト入力形式は、モデルの学習段階に応じて、次のテンプレートに従う必要があります。

text_input = "{ANSWER} </s> {QUESTION} </s> {CONTEXT}"

📚 ドキュメント

学習データ

このモデルは、Questeval: Summarization asks for fact-based evaluationで説明されている合成データで学習されました。

引用情報

@article{scialom2021questeval,
  title={Questeval: Summarization asks for fact-based evaluation},
  author={Scialom, Thomas and Dray, Paul-Alexis and Gallinari, Patrick and Lamprier, Sylvain and Piwowarski, Benjamin and Staiano, Jacopo and Wang, Alex},
  journal={arXiv preprint arXiv:2103.12693},
  year={2021}
}

📄 ライセンス

このモデルはMITライセンスの下で提供されています。