cs224n-squad2.0-albert-base-v2オープンソースモデル - SQuAD2.0質問応答タスクのベンチマークテストに無料で使用できます

ホーム

Cs224n Squad2.0 Albert Base V2

elgeishによって開発

スタンフォードCS224nコースの学生向けに提供される、SQuAD2.0の问答タスクのベンチマークテストに使用するALBERT-base-v2モデル

質問応答システム

Transformers

#问答システム #教育支援 #ALBERT微調整

ダウンロード数 169

リリース時間 : 3/2/2022

モデル概要

このモデルはALBERT-base-v2アーキテクチャに基づき、SQuAD2.0データセットで微調整され、学生が问答システムのベンチマークモデルを迅速に構築するのを支援することを目的としています。

モデル特徴

コース専用最適化

CS224nコース用に特別に設計され、学生がベンチマークモデルを構築する際のGPU使用時間を節約します。

データサブセット評価

ランダムに選択された公式開発セットの半数のサンプル(6078例)を使用して評価とモデル選択を行います。

負例サポート

回答のない負例のケースを処理でき、SQuAD2.0タスクの要件を満たします。

モデル能力

読解力

问答システム

テキスト理解

無回答検出

使用事例

教育

コースプロジェクトベンチマーク

CS224nコースの学生の期末プロジェクトのパフォーマンスベンチマークとして使用されます。

78.94%の完全一致率と81.77%のF1スコアを提供します。

研究

问答システム研究

问答システム関連の研究のベースラインモデルとして使用されます。

🚀 CS224n SQuAD2.0プロジェクトデータセット

このモデルの目的は、デフォルトの最終プロジェクトで打ち破るベースラインを確立する際に、CS224nの学生がGPU時間を節約できるようにすることです。このモデルをファインチューニングするために使用されるトレーニングセットは、公式のものと同じです。ただし、評価とモデル選択は、公式の開発セットの約半分、6078のサンプルをランダムに選んで行われました。データファイルはhttps://github.com/elgeish/squad/tree/master/dataにあります。これは2020年冬のバージョンです。公式のSQuAD2.0開発セットにはプロジェクトのテストセットが含まれているため、学生は公式のSQuAD2.0開発セットを一切使用しないようにする必要があります。公式のSQuAD2.0でファインチューニングされたモデルの使用も含みます。なぜなら、それらのモデルはモデル選択に公式のSQuAD2.0開発セットを使用しているからです。

📊 結果

{
  "exact": 78.94044093451794,
  "f1": 81.7724930324639,
  "total": 6078,
  "HasAns_exact": 76.28865979381443,
  "HasAns_f1": 82.20385314478195,
  "HasAns_total": 2910,
  "NoAns_exact": 81.37626262626263,
  "NoAns_f1": 81.37626262626263,
  "NoAns_total": 3168,
  "best_exact": 78.95689371503784,
  "best_exact_thresh": 0.0,
  "best_f1": 81.78894581298378,
  "best_f1_thresh": 0.0
}

⚙️ 注目すべき引数

{
  "do_lower_case": true,
  "doc_stride": 128,
  "fp16": false,
  "fp16_opt_level": "O1",
  "gradient_accumulation_steps": 24,
  "learning_rate": 3e-05,
  "max_answer_length": 30,
  "max_grad_norm": 1,
  "max_query_length": 64,
  "max_seq_length": 384,
  "model_name_or_path": "albert-base-v2",
  "model_type": "albert",
  "num_train_epochs": 3,
  "per_gpu_train_batch_size": 8,
  "save_steps": 5000,
  "seed": 42,
  "train_batch_size": 8,
  "version_2_with_negative": true,
  "warmup_steps": 0,
  "weight_decay": 0
}

🌐 環境設定

{
  "transformers": "2.5.1",
  "pytorch": "1.4.0=py3.6_cuda10.1.243_cudnn7.6.3_0",
  "python": "3.6.5=hc3d631a_2",
  "os": "Linux 4.15.0-1060-aws #62-Ubuntu SMP Tue Feb 11 21:23:22 UTC 2020 x86_64 x86_64 x86_64 GNU/Linux",
  "gpu": "Tesla V100-SXM2-16GB"
}

📚 引用方法

@misc{elgeish2020gestalt,
  title={Gestalt: a Stacking Ensemble for SQuAD2.0},
  author={Mohamed El-Geish},
  journal={arXiv e-prints},
  archivePrefix={arXiv},
  eprint={2004.07067},
  year={2020},
}