Этот проект представляет собой систему, которая использует предобученную модель ruT5-base для генерации ответов на вопросы, основанных на предоставленном контексте. Я дообучаю модель на датасете SberQUAD, адаптируя её для задач вопросно-ответного взаимодействия на русском языке.

Датасет

Я использую датасет SberQUAD, который содержит примеры вопросов и ответов на них в контексте различных текстов. Датасет разбит на тренировочные, валидационные и тестовые части.

Архитектура модели

В качестве базовой модели используется ruT5-base — Encoder-Decoder модель, оптимизированная для задач на русском языке. Модель была дополнительно дообучена на кастомных данных для улучшения генерации ответов на основе предоставленного контекста.

Параметры обучения

Для обучения использовались следующие параметры:

python

output_dir="./models",
optim="adafactor",
num_train_epochs=1, # в идеале 2 эпохи
do_train=True,
gradient_checkpointing=True,
bf16=True,
per_device_train_batch_size=8,
per_device_eval_batch_size=12,
gradient_accumulation_steps=4,
logging_dir="./logs",
report_to="wandb",
logging_steps=10,
save_strategy="steps",
save_steps=5000,
evaluation_strategy="steps",
eval_steps=300,
learning_rate=3e-5,
predict_with_generate=False,
generation_max_length=64

К сожалению, мне не хватило вычислительного времени на Google Collab, поэтому модель была обучена только на одной эпохе с ~1416 шагами.

Результаты обучения

Шаг	Loss на валидации	Sbleu	Chr F	Rouge1	Rouge2	Rougel
300	1.025008	18.206400	62.316300	0.110400	0.035200	0.109800
600	1.007530	18.523100	62.564700	0.113300	0.036500	0.112800
900	0.959073	18.869000	63.001700	0.115100	0.035600	0.114600
1200	0.944776	18.656300	62.819800	0.115400	0.035800	0.115000

RichelieuGVG/tinek_sample_model

Проект: Чат-бот с использованием модели ruT5-base для ответов на вопросы

Описание

Датасет

Архитектура модели

Параметры обучения

Результаты обучения

RichelieuGVG/
tinek_sample_model