Distilbart Qgen 3 3

🚀 問題生成模型

本模型可根據給定的文本段落和答案生成對應的問題，在自動輔導系統、提升問答模型性能等場景有廣泛應用。

🚀 快速開始

模型獲取

此模型檢查點是先在SQuAD數據集上對sshleifer/distilbart-cnn-6-6摘要檢查點進行微調，然後將6 - 6微調模型蒸餾為3 - 3模型得到的。訓練腳本的GitHub鏈接。

使用方法

輸入格式如下：[answer] <s> [passage]。模型將根據段落中的答案預測對應的問題。

✨ 主要特性

• 基於SQuAD數據集微調與蒸餾，生成的問題有效性和流暢性高。
• 可應用於自動輔導系統、提升問答模型性能、使聊天機器人引導對話等多種場景。

📦 安裝指南

文檔未提及安裝步驟，如需使用可參考訓練腳本的GitHub鏈接中的相關說明。

💻 使用示例

基礎用法

輸入格式：[answer] <s> [passage]

# 示例輸入
[示例答案] <s> [包含答案的段落文本]

模型會根據輸入預測對應的問題。

📚 詳細文檔

蒸餾過程圖示

數據集說明

問題生成的目標是根據給定的段落和目標答案生成有效且流暢的問題。因此，模型的輸入是段落上下文和答案，輸出/目標是給定答案對應的問題。最終數據集是通過合併以下問答數據集創建的，數據集必須包含以下三列：上下文、問題、答案。

SQuAD

斯坦福問答數據集（SQuAD）是一個閱讀理解數據集，由眾包工作者在一組維基百科文章上提出的問題組成，每個問題的答案是相應閱讀段落中的一段文本或跨度，或者問題可能無法回答。我們使用的是SQuAD 1.1變體，該變體沒有無法回答的問題，所以每個問題都有對應的答案，反之亦然。

預處理

第一步是移除沒有答案的問題。之後，我們將訓練集拆分為訓練集和評估集，並將開發集視為測試集。

數據集統計信息

原始數據集

預處理後

表格中列的數字表示單詞的最大、平均和最小數量。

📄 許可證

本項目採用Apache-2.0許可證。