trained with chimera_qa

README.md

@@ -3,18 +3,19 @@ widget:
 - text: "สวนกุหลาบเป็นโรงเรียนอะไร"
   context: "โรงเรียนสวนกุหลาบวิทยาลัย (Suankularb Wittayalai School) (อักษรย่อ : ส.ก. / S.K.) เป็นโรงเรียนชายล้วน ระดับชั้นมัธยมศึกษาขนาดใหญ่พิเศษ สังกัดสำนักงานเขตพื้นที่การศึกษามัธยมศึกษาเขต 1 สำนักงานคณะกรรมการการศึกษาขั้นพื้นฐาน (ชื่อเดิม: กรมสามัญศึกษา) กระทรวงศึกษาธิการ ก่อตั้งโดย พระบาทสมเด็จพระจุลจอมเกล้าเจ้าอยู่หัว ได้รับการสถาปนาขึ้นในวันที่ 8 มีนาคม พ.ศ. 2424 (ขณะนั้นนับวันที่ 1 เมษายน เป็นวันขึ้นปีใหม่ เมื่อนับอย่างสากลถือเป็น พ.ศ. 2425) โดยเป็นโรงเรียนรัฐบาลแห่งแรกของประเทศไทย"
 ---
-# wangchanberta-base-att-spm-uncased-finetune-qa
+#  airesearch/wangchanberta-base-att-spm-uncased
+
+Finetuning `airesearch/wangchanberta-base-att-spm-uncased` with the training set of `iapp_wiki_qa_squad`, `thaiqa_squad`, and `nsc_qa` (removed examples which have cosine similarity with validation and test examples over 0.8; contexts of the latter two are trimmed to be around 300 `newmm` words). Benchmarks shared on [wandb](https://wandb.ai/cstorm125/wangchanberta-qa) using validation and test sets of `iapp_wiki_qa_squad`.
+Trained with [thai2transformers](https://github.com/vistec-AI/thai2transformers/blob/dev/scripts/downstream/train_question_answering_lm_finetuning.py).
 
-Finetuning `airesearch/wangchanberta-base-att-spm-uncased` with the training set of `iapp_wiki_qa_squad`, `thaiqa`, `xquad` (removed examples which have cosine similarity with validation and test examples over 0.8). Benchmarks shared on [wandb](https://wandb.ai/cstorm125/wangchanberta-qa) using validation and test sets of `iapp_wiki_qa_squad`.
-Trained with [thai2transformers](https://github.com/vistec-AI/thai2transformers/blob/dev/scripts/downstream/train_question_answering_lm_finetuning.py). Combined benchmark datasets downloadable at [vistec-ai/thai2transformers](https://github.com/vistec-AI/thai2transformers/releases/tag/qa-v0.2).
 Run with:
 ```
 export MODEL_NAME=airesearch/wangchanberta-base-att-spm-uncased
 python train_question_answering_lm_finetuning.py \
   --model_name $MODEL_NAME \
-  --dataset_name iapp_thaiqa_xquad \
-  --output_dir $MODEL_NAME-finetune-iapp_thaiqa_xquad-model \
-  --log_dir $MODEL_NAME-finetune-iapp_thaiqa_xquad-log \
+  --dataset_name chimera_qa \
+  --output_dir $MODEL_NAME-finetune-chimera_qa-model \
+  --log_dir $MODEL_NAME-finetune-chimera_qa-log \
   --lowercase \
   --pad_on_right \
   --fp16

config.json

@@ -1,5 +1,5 @@
 {
-  "_name_or_path": "wangchanberta-base-att-spm-uncased-finetune-iapp_thaiqa-model/checkpoint-2988",
+  "_name_or_path": "airesearch/wangchanberta-base-att-spm-uncased",
   "architectures": [
     "CamembertForQuestionAnswering"
   ],
@@ -20,7 +20,7 @@
   "num_hidden_layers": 12,
   "pad_token_id": 1,
   "position_embedding_type": "absolute",
-  "transformers_version": "4.4.0",
+  "transformers_version": "4.8.2",
   "type_vocab_size": 1,
   "use_cache": true,
   "vocab_size": 25005

pytorch_model.bin

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:a7aeec8f18663e0573ee41235d23cd7dfbc343d7ec8d73ce4445ba2dda77a137
-size 418711223
+oid sha256:b59bf8e536c1f28b15ee8a5e448a2973b03f7b31dac5daa0f7b7da9f9bb773c4
+size 418706097

tokenizer_config.json

@@ -1 +1 @@
-{"bos_token": "<s>", "eos_token": "</s>", "sep_token": "</s>", "cls_token": "<s>", "unk_token": "<unk>", "pad_token": "<pad>", "mask_token": {"content": "<mask>", "single_word": false, "lstrip": true, "rstrip": false, "normalized": true, "__type": "AddedToken"}, "additional_special_tokens": ["<s>NOTUSED", "</s>NOTUSED", "<_>"], "model_max_length": 512, "special_tokens_map_file": null, "name_or_path": "airesearch/wangchanberta-base-att-spm-uncased"}
+{"bos_token": "<s>", "eos_token": "</s>", "sep_token": "</s>", "cls_token": "<s>", "unk_token": "<unk>", "pad_token": "<pad>", "mask_token": {"content": "<mask>", "single_word": false, "lstrip": true, "rstrip": false, "normalized": true, "__type": "AddedToken"}, "additional_special_tokens": ["<s>NOTUSED", "</s>NOTUSED", "<_>"], "model_max_length": 416, "special_tokens_map_file": null, "name_or_path": "airesearch/wangchanberta-base-att-spm-uncased", "sp_model_kwargs": {}, "tokenizer_class": "CamembertTokenizer"}

training_args.bin

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:299e5825871ef853de382004c670fb4dc34773f0b615ea66cdc5d0d51a9bef3a
-size 2351
+oid sha256:88fcb550da0fe9439f364e23169431196e6fd0263f9c50bfdf5153e60366c288
+size 2799