language: zh
tags:

• 问题生成
• 文本摘要
  license: apache-2.0
  datasets:
• squad

简介

该模型检查点首先通过在SQuAD数据集上微调sshleifer/distilbart-cnn-6-6文本摘要检查点获得。随后，将微调后的6-6模型蒸馏为3-3模型，最终得到此检查点。训练脚本GitHub链接

使用方法

输入格式为：[答案] <s> [文本段落]。模型将预测与该段落中答案相对应的问题。

训练曲线

数据集

问题生成的目标是根据给定段落和目标答案，生成有效且流畅的问题。因此，模型的输入是段落上下文和答案，输出/目标则是针对该答案的问题。问题生成可应用于多种场景，如自动辅导系统、提升问答模型性能，以及使聊天机器人能够引导对话。最终数据集通过合并以下问答数据集创建，必须包含三列：上下文、问题、答案。

SQuAD

斯坦福问答数据集（SQuAD）是一个阅读理解数据集，包含众包工作者基于维基百科文章提出的问题，每个问题的答案是对应阅读段落中的文本片段（即答案范围），或者问题可能无法回答。我们使用SQuAD 1.1版本，该版本不包含无法回答的问题，因此每个问题都有对应的答案，反之亦然。

预处理

第一步是移除没有答案的问题。之后，我们将训练集拆分为训练集和评估集，并将开发集作为测试集。

统计

原始数据集

预处理后

注：各列数字分别表示最大、平均、最小词数。