lmqg/mt5-small-frquad-qg模型卡片

该模型是 google/mt5-small 的问题生成任务的微调版本，使用 lmqg 对 lmqg/qg_frquad （dataset_name: default）进行训练。

概述

• 语言模型： google/mt5-small
• 语言：法语
• 训练数据： lmqg/qg_frquad （默认）
• 在线演示： https://autoqg.net/
• 代码库： https://github.com/asahi417/lm-question-generation
• 论文： https://arxiv.org/abs/2210.03992

用法

• 使用 lmqg

from lmqg import TransformersQG

# initialize model
model = TransformersQG(language="fr", model="lmqg/mt5-small-frquad-qg")

# model prediction
questions = model.generate_q(list_context="Créateur » (Maker), lui aussi au singulier, « le Suprême Berger » (The Great Shepherd) ; de l'autre, des réminiscences de la théologie de l'Antiquité : le tonnerre, voix de Jupiter, « Et souvent ta voix gronde en un tonnerre terrifiant », etc.", list_answer="le Suprême Berger")

• 使用 transformers

from transformers import pipeline

pipe = pipeline("text2text-generation", "lmqg/mt5-small-frquad-qg")
output = pipe("Créateur » (Maker), lui aussi au singulier, « <hl> le Suprême Berger <hl> » (The Great Shepherd) ; de l'autre, des réminiscences de la théologie de l'Antiquité : le tonnerre, voix de Jupiter, « Et souvent ta voix gronde en un tonnerre terrifiant », etc.")

评估

• 指标（问题生成）： raw metric file

• 指标（问题和答案生成，参考答案）：每个问题都是基于黄金答案生成的。 raw metric file

• 指标（问题和答案生成，流水线方法）：每个问题都是基于 lmqg/mt5-small-frquad-ae 生成的答案生成的。 raw metric file

训练超参数

微调过程中使用了以下超参数：

• dataset_path：lmqg/qg_frquad
• dataset_name：默认
• input_types: ['paragraph_answer']
• output_types: ['question']
• prefix_types: 无
• model：google/mt5-small
• max_length：512
• max_length_output：32
• epoch：14
• batch：64
• lr：0.001
• fp16：False
• random_seed：1
• gradient_accumulation_steps：1
• label_smoothing：0.15

完整的配置信息可以在 fine-tuning config file 中找到。

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",
}