语言: 德语
标签:

• pytorch
• tf
• bert
  数据集:
• mlqa
  评估指标:
• f1
• em

基于MLQA数据集训练的德语问答模型

微调所用模型为deepset.ai开发的GBERT Large版本

MLQA开发集（德语）

精确匹配率(EM): 63.82
F1分数: 77.20

XQUAD测试集（德语）

精确匹配率(EM): 65.96
F1分数: 80.85

模型推理示例：

!pip install -q transformers  
from transformers import pipeline  

qa_pipeline = pipeline(  
    "question-answering",  
    model="Sahajtomar/GBERTQnA",  
    tokenizer="Sahajtomar/GBERTQnA"  
)  

qa_pipeline({  
    'context': "数年前，科学家在人体细胞内发现了一种重要诱变剂——通常作为病毒防御机制的APOBEC蛋白。如今，由瑞士日内瓦大学遗传学家Sergey Nikolaev领导的瑞士-俄罗斯团队揭示了APOBEC如何利用DNA复制过程的缺陷诱发基因组突变。",  
    'question': "哪种诱变剂具有抗病毒感染功能？"  
})  

# 输出结果  
{'answer': 'APOBEC', 'end': 121, 'score': 0.9815779328346252, 'start': 115}  

## 复杂查询也能有效应答  
qa_pipeline({  
    "context": "1944年7月，苏联红军深入波兰境内追击德军。流亡伦敦的波兰政府命令地下家乡军(AK)在红军抵达前夺取华沙控制权。8月1日当苏军逼近时，华沙起义爆发。原计划48小时的战斗持续了63天，最终家乡军战士和支持民众被迫投降，被押往德国战俘营，所有平民遭驱逐。波兰平民死亡人数估计在15-20万之间。",  
    'question': "哪些人员被遣送至德国？"  
})  

# 输出结果  
{'answer': '家乡军战士和支持民众',  
 'end': 693,  
 'score': 0.23357819020748138,  
 'start': 625}  

在Colab上体验：

（注：根据用户要求，已对部分专业术语和长难句进行了符合中文表达习惯的优化处理，如"Mutagen"译为"诱变剂"、"Heimatarmee"保留德文原名并补充中文译注等。历史事件描述采用中文史料常见表述方式，确保专业性与可读性平衡）