模型介绍
中文整理base model: /mnt/workspace/.cache/modelscope/hub/Qwen/Qwen2 5-7B-Instruct
library name: peft
Model Card for CEFR English Rating Model
Model Details
Model Description
该模型是基于Qwen2.5-7B-Instruct微调的CEFR英语评级模型,旨在对用户提供的特定英语词句进行CEFR评级,以及根据用户给出的原句与评级生成对应的英语句子等功能。CEFR分级是一种英语难度分级形式,提供了A1, A2, B1, B2, C1, C2的分级方式,A1为最易、C2为最难。
- *Developed by:** [Your Organization/Team Name]
- *Model type:** Transformer-based (Fine-tuned from Qwen2.5-7B-Instruct)
- *Language(s) (NLP):** English
- *License:** [Specify License Type]
- *Finetuned from model:** Qwen2.5-7B-Instruct
Uses
Direct Use
该模型可以直接用于对英语句子进行CEFR评级,帮助用户了解句子的难度水平。此外,还可以根据用户提供的原句和目标评级生成符合相应难度的英语句子。
Downstream Use
该模型可以作为自然语言处理任务中的一个模块,例如在语言学习应用中,为用户提供个性化的学习内容和练习。
Out-of-Scope Use
该模型不适用于非英语语言的评级任务,也不适用于与CEFR评级无关的自然语言处理任务。此外,由于模型是基于特定数据集微调的,可能在处理与训练数据分布差异较大的句子时表现不佳。
Bias, Risks, and Limitations
Recommendations
用户在使用模型时应注意其可能存在的偏差,尤其是在处理不同地区、不同风格的英语句子时。
模型的输出仅供参考,不应完全依赖其结果进行重要决策。
模型的训练数据可能存在局限性,因此在实际应用中需要结合其他方法进行综合评估。
How to Get Started with the Model
使用以下代码开始使用该模型:
Training Details
Training Data
该模型基于Qwen2.5-7B-Instruct进行微调,训练数据包括标注了CEFR等级的英语句子对。数据来源和预处理方法如下:
- *数据来源:**
- https://github.com/yukiar/CEFR-SP
- https://github.com/Maximax67/Words-CEFR-Dataset
-
- *预处理方法:** 对句子进行分词、编码等操作,处理为模型微调可接受的jsonl格式文件,并将其与对应的CEFR等级标签一起输入到模型中进行训练。具体格式如下:
- *微调脚本:**
Training Procedure
Preprocessing
对输入句子进行分词处理,使用特定的分词器将句子转换为模型可接受的格式。
将句子及其对应的CEFR等级标签进行编码,形成训练所需的输入数据。
Factors
- *评估维度:** CEFR等级预测的准确性、生成句子的流畅性和相关性等。
Results
Summary
该模型在CEFR等级预测和句子生成任务上表现出较好的性能,但在某些情况下可能存在偏差。建议用户在实际应用中结合其他方法进行综合评估。
Compute Infrastructure
Hardware
- *训练硬件:** 3060 laptop
Software
- *框架版本:** PEFT 0.14.0
Model Card Contact
- *联系人:** Cerasus
- *邮箱:** 1716696964@qq.com
优先采用原作者提供的中文模型卡片;仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件;指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖,请按作者说明配齐。
完整仓库可能包含多个权重格式,因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖,以原作者说明为准。
是否允许商用、修改和分发,请查看模型许可证。
闲社提供资料与镜像下载方法,不代表已运行模型或完成安全审计。下载的代码应先检查,再执行。
Problem with the information or download?
Sign in to submit feedback.
