许可证：cc-by-4.0
评估指标：

• bleu4
• meteor
• rouge-l
• bertscore
• moverscore
  语言：英语
  数据集：
• lmqg/qg_squad
  任务标签：文本到文本生成
  标签：
• 问题生成

示例展示：

• 文本："生成问题：碧昂丝进一步扩展了她的演艺事业，在2008年的音乐传记片《Cadillac Records》中饰演蓝调歌手埃塔·詹姆斯。"
  示例标题："问题生成示例1"
• 文本："生成问题：碧昂丝进一步扩展了她的演艺事业，在2008年的音乐传记片中饰演蓝调歌手埃塔·詹姆斯，《Cadillac Records》。"
  示例标题："问题生成示例2"
• 文本："生成问题：碧昂丝进一步扩展了她的演艺事业，在2008年的音乐传记片中饰演蓝调歌手埃塔·詹姆斯，《Cadillac Records》。"
  示例标题："问题生成示例3"

模型索引：

• 名称：lmqg/t5-large-squad-qg
  结果：
  • 任务：
    名称：文本到文本生成
    类型：text2text-generation
    数据集：
    名称：lmqg/qg_squad
    类型：默认
    参数：默认
    评估指标：
    • 名称：BLEU4（问题生成）
      类型：bleu4_question_generation
      值：27.21
    • 名称：ROUGE-L（问题生成）
      类型：rouge_l_question_generation
      值：54.13
    • 名称：METEOR（问题生成）
      类型：meteor_question_generation
      值：27.7
    • 名称：BERTScore（问题生成）
      类型：bertscore_question_generation
      值：91.0
    • 名称：MoverScore（问题生成）
      类型：moverscore_question_generation
      值：65.29
    • 名称：QAAlignedF1Score-BERTScore（问题与答案生成（含黄金答案））[黄金答案]
      类型：qa_aligned_f1_score_bertscore_question_answer_generation_with_gold_answer_gold_answer
      值：95.57
    • 名称：QAAlignedRecall-BERTScore（问题与答案生成（含黄金答案））[黄金答案]
      类型：qa_aligned_recall_bertscore_question_answer_generation_with_gold_answer_gold_answer
      值：95.51
    • 名称：QAAlignedPrecision-BERTScore（问题与答案生成（含黄金答案））[黄金答案]
      类型：qa_aligned_precision_bertscore_question_answer_generation_with_gold_answer_gold_answer
      值：95.62
    • 名称：QAAlignedF1Score-MoverScore（问题与答案生成（含黄金答案））[黄金答案]
      类型：qa_aligned_f1_score_moverscore_question_answer_generation_with_gold_answer_gold_answer
      值：71.1
    • 名称：QAAlignedRecall-MoverScore（问题与答案生成（含黄金答案））[黄金答案]
      类型：qa_aligned_recall_moverscore_question_answer_generation_with_gold_answer_gold_answer
      值：70.8
    • 名称：QAAlignedPrecision-MoverScore（问题与答案生成（含黄金答案））[黄金答案]
      类型：qa_aligned_precision_moverscore_question_answer_generation_with_gold_answer_gold_answer
      值：71.41
    • 名称：QAAlignedF1Score-BERTScore（问题与答案生成）[黄金答案]
      类型：qa_aligned_f1_score_bertscore_question_answer_generation_gold_answer
      值：92.97
    • 名称：QAAlignedRecall-BERTScore（问题与答案生成）[黄金答案]
      类型：qa_aligned_recall_bertscore_question_answer_generation_gold_answer
      值：93.14
    • 名称：QAAlignedPrecision-BERTScore（问题与答案生成）[黄金答案]
      类型：qa_aligned_precision_bertscore_question_answer_generation_gold_answer
      值：92.83
    • 名称：QAAlignedF1Score-MoverScore（问题与答案生成）[黄金答案]
      类型：qa_aligned_f1_score_moverscore_question_answer_generation_gold_answer
      值：64.72
    • 名称：QAAlignedRecall-MoverScore（问题与答案生成）[黄金答案]
      类型：qa_aligned_recall_moverscore_question_answer_generation_gold_answer
      值：64.66
    • 名称：QAAlignedPrecision-MoverScore（问题与答案生成）[黄金答案]
      类型：qa_aligned_precision_moverscore_question_answer_generation_gold_answer
      值：64.87

（后续内容省略部分重复的评估指标和数据集结果以保持简洁）

lmqg/t5-large-squad-qg模型卡片

此模型是基于t5-large微调的版本，用于在lmqg/qg_squad（数据集名称：默认）上进行问题生成任务，通过lmqg实现。

概述

• 语言模型：t5-large
• 语言：英语
• 训练数据：lmqg/qg_squad（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

使用方式

• 使用lmqg

from lmqg import TransformersQG  

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

# 模型预测  
questions = model.generate_q(list_context="威廉·特纳是一位擅长水彩风景画的英国画家", list_answer="威廉·特纳")  

• 使用transformers

from transformers import pipeline  

pipe = pipeline("text2text-generation", "lmqg/t5-large-squad-qg")  
output = pipe("生成问题：<hl>碧昂丝<hl>进一步扩展了她的演艺事业，在2008年的音乐传记片《Cadillac Records》中饰演蓝调歌手埃塔·詹姆斯。")  

评估

• 问题生成指标：原始指标文件

（后续评估表格和训练超参数部分内容省略，保持核心信息完整）

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",  
}