query:可用于内容创作、教育平台及聊天机器人等场景，评估句子的语法正确性和完整性，提供格式良好度评分，具有大小写敏感性和广泛适用性。【此简介由AI生成】



@misc {ashish_kumar_2024,
	author       = { {Ashish Kumar} },
	title        = { query_wellformedness_score (Revision 55a424c) },
	year         = 2024,
	doi          = { 10.57967/hf/1980 },
}

修改修改了部分描述并调整了示例代码。

预期使用场景

内容创作：验证书面内容的规范性。

教育平台：帮助学生检查句子的语法正确性。

聊天机器人与虚拟助手：验证用户查询或生成规范的回复。

联系方式：kua613@g.harvard.edu

模型名称：Query Wellformedness Scoring

描述：通过检查语法正确性和完整性来评估句子的规范性。对大小写敏感，并会对语法错误和大小写不当的句子进行扣分。

功能：

规范性评分：提供指示语法正确性和完整性的分数。
- 大小写敏感性：识别并惩罚句子中不正确的大小写使用。
- 广泛适用性：可用于各种类型的句子。

示例：

Dogs are mammals.
she loves to read books on history.
When the rain in Spain.
Eating apples are healthy for you.
The Eiffel Tower is in Paris.

在这些句子中：句子1和5规范且语法及大小写正确。句子2以小写字母开头。句子3是不完整的片段，不规范。句子4存在主谓一致错误。

example_usage:

import argparse
import torch
from openmind import pipeline, is_torch_npu_available
from openmind_hub import snapshot_download


def parse_args():
    parser = argparse.ArgumentParser()
    parser.add_argument(
        "--model_name_or_path",
        type=str,
        help="Path to model",
        default=None,
    )
    args = parser.parse_args()
    return args


def main():
    args = parse_args()
    model_path = args.model_name_or_path

    if is_torch_npu_available():
        device = "npu:0"
    else:
        device = "cpu"

    generator = pipeline('text-generation', model=model_path, device=device)

    output = generator("Hello, I'm a language model,", max_length=30, num_return_sequences=5)
    print(f">>>output={output}", flush=True)

引用 Ashishkr/query_wellformedness_score

import argparse import torch from openmind import pipeline, is_torch_npu_available from openmind_hub import snapshot_download def parse_args(): parser = argparse.ArgumentParser() parser.add_argument( "--model_name_or_path", type=str, help="Path to model", default=None, ) args = parser.parse_args() return args def main(): args = parse_args() model_path = args.model_name_or_path if is_torch_npu_available(): device = "npu:0" else: device = "cpu" generator = pipeline('text-generation', model=model_path, device=device) output = generator("Hello, I'm a language model,", max_length=30, num_return_sequences=5) print(f">>>output={output}", flush=True)