T5 Base Squad Qag

🚀 lmqg/t5-base-squad-qag 模型卡片

本模型是 t5-base 的微调版本，用于在 lmqg/qag_squad（数据集名称：default）上进行问答对生成任务，微调借助了 lmqg 工具。

🚀 快速开始

使用 lmqg 库

from lmqg import TransformersQG

# 初始化模型
model = TransformersQG(language="en", model="lmqg/t5-base-squad-qag")

# 模型预测
question_answer_pairs = model.generate_qa("William Turner was an English painter who specialised in watercolour landscapes")

使用 transformers 库

from transformers import pipeline

pipe = pipeline("text2text-generation", "lmqg/t5-base-squad-qag")
output = pipe("generate question and answer: Beyonce further expanded her acting career, starring as blues singer Etta James in the 2008 musical biopic, Cadillac Records.")

✨ 主要特性

• 语言模型：t5-base
• 语言：英语
• 训练数据：lmqg/qag_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

📚 详细文档

评估指标

• 问答生成指标：原始指标文件

训练超参数

以下是微调过程中使用的超参数：

• 数据集路径：lmqg/qag_squad
• 数据集名称：default
• 输入类型：['paragraph']
• 输出类型：['questions_answers']
• 前缀类型：['qag']
• 模型：t5-base
• 最大输入长度：512
• 最大输出长度：256
• 训练轮数：17
• 批次大小：8
• 学习率：0.0001
• 是否使用混合精度：False
• 随机种子：1
• 梯度累积步数：8
• 标签平滑系数：0.15

完整配置可在 微调配置文件 中查看。

📄 许可证

本模型使用 CC BY 4.0 许可证。

📚 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",
}