Spaces:
Sleeping
Sleeping
Update app.py
#10
by
lucksadasd
- opened
app.py
CHANGED
|
@@ -156,7 +156,6 @@ def create_arena_tab():
|
|
| 156 |
# ## 1. 模型及类别选择
|
| 157 |
|
| 158 |
# ### 1.1 所选模型的类型与背景说明
|
| 159 |
-
# 本次实验聚焦于**文本处理模型**,具体包括一个**通用文本生成模型**和一个**抽取式问答模型**。
|
| 160 |
# * **文本生成模型**能够根据输入的提示词(prompt)生成连贯、有意义的文本,广泛应用于自动写作、内容创作等。
|
| 161 |
# * **抽取式问答模型**则专注于从给定文本(上下文)中精确地定位并提取问题的答案,是信息检索和智能客服的核心技术。
|
| 162 |
# 近年来,随着Transformer架构的普及和大规模预训练技术的进步,这两类模型的性能都取得了显著提升。
|
|
|
|
| 156 |
# ## 1. 模型及类别选择
|
| 157 |
|
| 158 |
# ### 1.1 所选模型的类型与背景说明
|
|
|
|
| 159 |
# * **文本生成模型**能够根据输入的提示词(prompt)生成连贯、有意义的文本,广泛应用于自动写作、内容创作等。
|
| 160 |
# * **抽取式问答模型**则专注于从给定文本(上下文)中精确地定位并提取问题的答案,是信息检索和智能客服的核心技术。
|
| 161 |
# 近年来,随着Transformer架构的普及和大规模预训练技术的进步,这两类模型的性能都取得了显著提升。
|