IT5 Large用于问题生成 ? ??

该存储库包含在实验中针对问题生成在 SQuAD-IT corpus 上进行微调的 IT5 Large 模型的检查点，这是由 Gabriele Sarti 和 Malvina Nissim 撰写的 IT5: Large-scale Text-to-text Pretraining for Italian Language Understanding and Generation 论文的一部分。

有关其他发布材料的全面概述，请参阅 gsarti/it5 存储库。有关报告的分数和评估方法的其他详细信息，请参阅论文。

使用模型

模型检查点可用于Tensorflow、Pytorch和JAX中使用。它们可以直接使用pipeline：

from transformers import pipelines

qg = pipeline("text2text-generation", model='it5/it5-large-question-generation')
qg("Le conoscenze mediche erano stagnanti durante il Medioevo. Il resoconto più autorevole di allora è venuto dalla facoltà di medicina di Parigi in un rapporto al re di Francia che ha incolpato i cieli, sotto forma di una congiunzione di tre pianeti nel 1345 che causò una "grande pestilenza nell\' aria". Questa relazione è diventata la prima e più diffusa di una serie di casi di peste che cercava di dare consigli ai malati. Che la peste fosse causata dalla cattiva aria divenne la teoria più accettata. Oggi, questo è conosciuto come la teoria di Miasma. La parola "peste" non aveva un significato particolare in questo momento, e solo la ricorrenza dei focolai durante il Medioevo gli diede il nome che è diventato il termine medico. Risposta: re di Francia")
>>> [{"generated_text": "Per chi è stato redatto il referto medico?"}]

或者使用自动类加载：

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained("it5/it5-large-question-generation")
model = AutoModelForSeq2SeqLM.from_pretrained("it5/it5-large-question-generation")

如果您在研究中使用了这个模型，请引用我们的工作：

@article{sarti-nissim-2022-it5,
    title={{IT5}: Large-scale Text-to-text Pretraining for Italian Language Understanding and Generation},
    author={Sarti, Gabriele and Nissim, Malvina},
    journal={ArXiv preprint 2203.03759},
    url={https://arxiv.org/abs/2203.03759},
    year={2022},
    month={mar}
}