Bart Base Squad Qg

🚀 lmqg/bart-base-squad-qg 模型卡片

該模型是 facebook/bart-base 的微調版本，用於在 lmqg/qg_squad（數據集名稱：default）上進行問題生成任務，微調過程藉助了 lmqg 工具。

🚀 快速開始

模型概述

• 語言模型：facebook/bart-base
• 語言：英語
• 訓練數據：lmqg/qg_squad（默認）
• 在線演示：https://autoqg.net/
• 代碼倉庫：https://github.com/asahi417/lm-question-generation
• 相關論文：https://arxiv.org/abs/2210.03992

使用方法

使用 lmqg

from lmqg import TransformersQG

# 初始化模型
model = TransformersQG(language="en", model="lmqg/bart-base-squad-qg")

# 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")

使用 transformers

from transformers import pipeline

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

📚 詳細文檔

評估指標

問題生成指標

• 指標（問題生成）：原始指標文件

問題與答案生成指標（參考答案）

• 指標（問題與答案生成，參考答案）：每個問題由標準答案生成。原始指標文件

問題與答案生成指標（流水線方法）

• 指標（問題與答案生成，流水線方法）：每個問題基於由 lmqg/bart-base-squad-ae 生成的答案生成。原始指標文件

問題生成指標（跨領域）

• 指標（問題生成，跨領域）

訓練超參數

在微調過程中使用了以下超參數：

• 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：無具體內容

📄 許可證

本模型使用 CC BY 4.0 許可證。