Model Card of vocabtrimmer/mt5-small-trimmed-ru-120000-ruquad-qa

This model is fine-tuned version of ckpts/mt5-small-trimmed-ru-120000 for question answering task on the lmqg/qg_ruquad (dataset_name: default) via lmqg.

Overview

Usage

from lmqg import TransformersQG

# initialize model
model = TransformersQG(language="ru", model="vocabtrimmer/mt5-small-trimmed-ru-120000-ruquad-qa")

# model prediction
answers = model.answer_q(list_question="чем соответствует абсолютная погрешность скорости света ?", list_context=" Наивысшая точность измерений была достигнута в начале 1970-х. В 1975 году XV Генеральная конференция по мерам и весам зафиксировала это положение и рекомендовала считать скорость света, равной 299 792 458 м/с с относительной погрешностью 4•10−9, что соответствует абсолютной погрешности 1,1 м/с. Впоследствии это значение скорости света было положено в основу определения метра в Международной системе единиц (СИ), а сама скорость света стала рассматриваться как фундаментальная физическая постоянная, по определению равная указанному значению точно.")
  • With transformers
from transformers import pipeline

pipe = pipeline("text2text-generation", "vocabtrimmer/mt5-small-trimmed-ru-120000-ruquad-qa")
output = pipe("question: чем соответствует абсолютная погрешность скорости света ?, context: Наивысшая точность измерений была достигнута в начале 1970-х. В 1975 году XV Генеральная конференция по мерам и весам зафиксировала это положение и рекомендовала считать скорость света, равной 299 792 458 м/с с относительной погрешностью 4•10−9, что соответствует абсолютной погрешности 1,1 м/с. Впоследствии это значение скорости света было положено в основу определения метра в Международной системе единиц (СИ), а сама скорость света стала рассматриваться как фундаментальная физическая постоянная, по определению равная указанному значению точно.")

Evaluation

Score Type Dataset
AnswerExactMatch 51.37 default lmqg/qg_ruquad
AnswerF1Score 73.33 default lmqg/qg_ruquad
BERTScore 94.96 default lmqg/qg_ruquad
Bleu_1 46.17 default lmqg/qg_ruquad
Bleu_2 40.21 default lmqg/qg_ruquad
Bleu_3 34.84 default lmqg/qg_ruquad
Bleu_4 29.71 default lmqg/qg_ruquad
METEOR 41.65 default lmqg/qg_ruquad
MoverScore 83.99 default lmqg/qg_ruquad
ROUGE_L 55.07 default lmqg/qg_ruquad

Training hyperparameters

The following hyperparameters were used during fine-tuning:

  • dataset_path: lmqg/qg_ruquad
  • dataset_name: default
  • input_types: ['paragraph_question']
  • output_types: ['answer']
  • prefix_types: None
  • model: ckpts/mt5-small-trimmed-ru-120000
  • max_length: 512
  • max_length_output: 32
  • epoch: 15
  • batch: 32
  • lr: 0.001
  • fp16: False
  • random_seed: 1
  • gradient_accumulation_steps: 2
  • label_smoothing: 0.15

The full configuration can be found at fine-tuning config file.

Citation

@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",
}
Downloads last month
13
Inference Examples
This model does not have enough activity to be deployed to Inference API (serverless) yet. Increase its social visibility and check back later, or deploy to Inference Endpoints (dedicated) instead.

Dataset used to train vocabtrimmer/mt5-small-trimmed-ru-120000-ruquad-qa

Evaluation results

  • BLEU4 (Question Answering) on lmqg/qg_ruquad
    self-reported
    29.710
  • ROUGE-L (Question Answering) on lmqg/qg_ruquad
    self-reported
    55.070
  • METEOR (Question Answering) on lmqg/qg_ruquad
    self-reported
    41.650
  • BERTScore (Question Answering) on lmqg/qg_ruquad
    self-reported
    94.960
  • MoverScore (Question Answering) on lmqg/qg_ruquad
    self-reported
    83.990
  • AnswerF1Score (Question Answering) on lmqg/qg_ruquad
    self-reported
    73.330
  • AnswerExactMatch (Question Answering) on lmqg/qg_ruquad
    self-reported
    51.370