Bart Large Squad Qg Default

🚀 research-backup/bart-large-squad-qg-default 模型卡片

本模型是facebook/bart-large的微調版本，用於在lmqg/qg_squad（數據集名稱：默認）上進行問題生成任務，微調過程藉助了lmqg工具。該模型在微調時未進行參數搜索（默認配置取自ERNIE-GEN）。

🚀 快速開始

模型概述

使用示例

基礎用法

使用 lmqg 庫調用模型：

from lmqg import TransformersQG

# 初始化模型
model = TransformersQG(language="en", model="research-backup/bart-large-squad-qg-default")

# 模型預測
questions = model.generate_q(list_context="William Turner was an English painter who specialised in watercolour landscapes", list_answer="William Turner")

高級用法

使用 transformers 庫調用模型：

from transformers import pipeline

pipe = pipeline("text2text-generation", "research-backup/bart-large-squad-qg-default")
output = pipe("<hl> Beyonce <hl> further expanded her acting career, starring as blues singer Etta James in the 2008 musical biopic, Cadillac Records.")

✨ 主要特性

• 微調優化：基於 facebook/bart-large 進行微調，更適合問題生成任務。
• 多指標評估：使用 BLEU4、ROUGE-L、METEOR、BERTScore 和 MoverScore 等多種指標進行評估。

📚 詳細文檔

評估指標

訓練超參數

以下是微調過程中使用的超參數：

• 數據集路徑：lmqg/qg_squad
• 數據集名稱：默認
• 輸入類型：['paragraph_answer']
• 輸出類型：['question']
• 前綴類型：無
• 模型：facebook/bart-large
• 最大長度：512
• 最大輸出長度：32
• 訓練輪數：10
• 批次大小：8
• 學習率：1.25e-05
• 混合精度訓練：否
• 隨機種子：1
• 梯度累積步數：4
• 標籤平滑：0.1

完整配置可在微調配置文件中查看。

🔧 技術細節

本模型基於 facebook/bart-large 進行微調，在 lmqg/qg_squad 數據集上進行問題生成任務。微調過程中未進行參數搜索，採用了默認的配置。通過多種評估指標（如 BLEU4、ROUGE-L 等）對模型性能進行評估。

📄 許可證

本模型採用 CC BY 4.0 許可證。

📚 引用

@inproceedings{ushio-etal-2022-generative,
    title = "{G}enerative {L}anguage {M}odels for {P}aragraph-{L}evel {Q}uestion {G}eneration",
    author = "Ushio, Asahi  and
        Alva-Manchego, Fernando  and
        Camacho-Collados, Jose",
    booktitle = "Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing",
    month = dec,
    year = "2022",
    address = "Abu Dhabi, U.A.E.",
    publisher = "Association for Computational Linguistics",
}