Bart Base Squad Qg

🚀 lmqg/bart-base-squad-qg 模型卡片

该模型是 facebook/bart-base 的微调版本，用于在 lmqg/qg_squad（数据集名称：default）上进行问题生成任务，微调过程借助了 lmqg 工具。

🚀 快速开始

模型概述

• 语言模型：facebook/bart-base
• 语言：英语
• 训练数据：lmqg/qg_squad（默认）
• 在线演示：https://autoqg.net/
• 代码仓库：https://github.com/asahi417/lm-question-generation
• 相关论文：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")

# 模型预测
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.")

📚 详细文档

评估指标

问题生成指标

• 指标（问题生成）：原始指标文件

问题与答案生成指标（参考答案）

• 指标（问题与答案生成，参考答案）：每个问题由标准答案生成。原始指标文件

问题与答案生成指标（流水线方法）

• 指标（问题与答案生成，流水线方法）：每个问题基于由 lmqg/bart-base-squad-ae 生成的答案生成。原始指标文件

问题生成指标（跨领域）

• 指标（问题生成，跨领域）

训练超参数

在微调过程中使用了以下超参数：

• 数据集路径：lmqg/qg_squad
• 数据集名称：默认
• 输入类型：['paragraph_answer']
• 输出类型：['question']
• 前缀类型：无具体内容

📄 许可证

本模型使用 CC BY 4.0 许可证。