— Входные данные: контекст (например, новостная статья) — Выходные данные: вопрос-ответ. Ответы в обучающих данных (SQuAD) отличаются высокой степенью извлечения; следовательно, эта модель будет генерировать извлекаемые ответы. Если вы хотите иметь абстрактные вопросы/ответы, вы можете использовать нашу модель, обученную на наборе данных RACE: https://huggingface.co/potsawee/t5-large-generation-race-QuestionAnswer. Модель t5-large точно настроена на набор данных SQuAD, где входными данными является контекст/отрывок, а выходными данными является вопрос, за которым следует ответ. Это первый компонент в конвейере генерации вопросов (т. е. g1) в нашей статье MQAG. Также обратитесь к репозиторию этого проекта на GitHub: https://github.com/potsawee/mqag0. Используйте приведенный ниже код, чтобы начать работу с моделью. Вы также можете настроить получение различных пар вопрос-ответ. Пожалуйста, обратитесь к нашей модели генерации отвлекающих факторов, например. https://huggingface.co/potsawee/t5-large-generation-race-Distractor
Модальности:
Генерация текста
Задача: Генерация текста
Автор: potsawee
Теги: t5, text2text-generation, en, text-generation-inference, endpoints_compatible
Лайков: 49 | Загрузок: 533
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
