Mixqg Base

🚀 MixQG (ベースサイズのモデル)

MixQGは、様々な回答タイプを含むQAデータセットの集合で事前学習された新しい質問生成モデルです。このモデルは論文 MixQG: Neural Question Generation with Mixed Answer Types で紹介され、関連するコードは この リポジトリで公開されています。

🚀 クイックスタート

MixQGモデルの使用方法を説明します。

💻 使用例

基本的な使用法

Huggingfaceのパイプライン抽象を使用する方法です。

from transformers import pipeline

nlp = pipeline("text2text-generation", model='Salesforce/mixqg-base', tokenizer='Salesforce/mixqg-base')
    
CONTEXT = "In the late 17th century, Robert Boyle proved that air is necessary for combustion."
ANSWER = "Robert Boyle"

def format_inputs(context: str, answer: str):
    return f"{answer} \\n {context}"

text = format_inputs(CONTEXT, ANSWER)

nlp(text)
# should output [{'generated_text': 'Who proved that air is necessary for combustion?'}]

高度な使用法

事前学習済みモデルを直接使用する方法です。

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained('Salesforce/mixqg-base')
model = AutoModelForSeq2SeqLM.from_pretrained('Salesforce/mixqg-base')

CONTEXT = "In the late 17th century, Robert Boyle proved that air is necessary for combustion."
ANSWER = "Robert Boyle"

def format_inputs(context: str, answer: str):
    return f"{answer} \\n {context}"

text = format_inputs(CONTEXT, ANSWER)

input_ids = tokenizer(text, return_tensors="pt").input_ids
generated_ids = model.generate(input_ids, max_length=32, num_beams=4)
output = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)
print(output)
# should output "Who proved that air is necessary for combustion?"

📚 ドキュメント

引用

このモデルに関する論文を引用する場合は、以下のBibTeX形式を使用してください。

@misc{murakhovska2021mixqg,
      title={MixQG: Neural Question Generation with Mixed Answer Types}, 
      author={Lidiya Murakhovs'ka and Chien-Sheng Wu and Tong Niu and Wenhao Liu and Caiming Xiong},
      year={2021},
      eprint={2110.08175},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

倫理的な考慮事項

このリリースは学術論文のサポートを目的とした研究用です。当社のモデル、データセット、コードはすべての下流の目的に特に設計または評価されているわけではありません。ユーザーはこのモデルをデプロイする前に、精度、安全性、公正性に関連する潜在的な問題を評価し、対処することを強くお勧めします。ユーザーはAIの一般的な制限を考慮し、適用可能な法律を遵守し、特にエラーや誤用が人々の生活、権利、または安全に重大な影響を与える可能性のある高リスクシナリオのユースケースを選択する際には、ベストプラクティスを活用することをお勧めします。ユースケースに関する詳細なガイダンスについては、当社のAUPおよびAI AUPを参照してください。