language: | |
- fa | |
- multilingual | |
thumbnail: https://upload.wikimedia.org/wikipedia/commons/a/a2/Farsi.svg | |
tags: | |
- multiple-choice | |
- mt5 | |
- persian | |
- farsi | |
license: cc-by-nc-sa-4.0 | |
datasets: | |
- parsinlu | |
metrics: | |
- accuracy | |
# Multiple-Choice Question Answering (مدل برای پاسخ به سوالات چهار جوابی) | |
This is a mT5-based model for multiple-choice question answering. | |
Here is an example of how you can run this model: | |
```python | |
from transformers import MT5ForConditionalGeneration, MT5Tokenizer | |
model_size = "large" | |
model_name = f"persiannlp/mt5-{model_size}-parsinlu-multiple-choice" | |
tokenizer = MT5Tokenizer.from_pretrained(model_name) | |
model = MT5ForConditionalGeneration.from_pretrained(model_name) | |
def run_model(input_string, **generator_args): | |
input_ids = tokenizer.encode(input_string, return_tensors="pt") | |
res = model.generate(input_ids, **generator_args) | |
output = tokenizer.batch_decode(res, skip_special_tokens=True) | |
print(output) | |
return output | |
run_model("وسیع ترین کشور جهان کدام است؟ <sep> آمریکا <sep> کانادا <sep> روسیه <sep> چین") | |
run_model("طامع یعنی ؟ <sep> آزمند <sep> خوش شانس <sep> محتاج <sep> مطمئن") | |
run_model( | |
"زمینی به ۳۱ قطعه متساوی مفروض شده است و هر روز مساحت آماده شده برای احداث، دو برابر مساحت روز قبل است.اگر پس از (۵ روز) تمام زمین آماده شده باشد، در چه روزی یک قطعه زمین آماده شده <sep> روز اول <sep> روز دوم <sep> روز سوم <sep> هیچکدام") | |
``` | |
For more details, visit this page: https://github.com/persiannlp/parsinlu/ | |