懂AI
question_extractor

question_extractor

自动从文本数据中提取问答对的开源项目

question_extractor是一个开源项目，能够自动从文本数据中提取问答对。它利用ChatGPT处理大量文档，快速生成可用于训练语言模型的数据集。该项目支持并行处理，可以有效处理长文本，适用于各种文档类型。对于需要构建专业领域问答数据集的研究人员和开发者，question_extractor提供了一个高效、自动化的解决方案。

Question Extractor大语言模型问答对生成文档处理OpenAI APIGithub开源项目
GitHub文档

问题提取器 🧐

大型语言模型可以通过一组问题和答案进行指令调优。 然而，要在自己的数据上进一步微调模型，你需要大量关于你的数据的问题和答案。 手动生成这些问题和答案可能需要大量工作。

这个仓库让你可以使用未经微调的语言模型（ChatGPT）从现有的文本数据中自动提取问题/答案对，消除所有手动工作。

安装

要运行此代码，你需要克隆这个仓库，然后安装以下Python包：

  • tiktoken，OpenAI的分词器，
  • openai，官方OpenAI API客户端，
  • langchain，用于组合模型和实用工具的胶水代码。

使用方法

这个脚本旨在将一个包含markdown（.md）文档的文件夹转换为一个.json文件，其中包含问题、答案和用于生成它们的源文档路径的列表。

要运行代码，请在question_extractor.py文件中设置相关的文件路径（输入文件夹和输出路径），并确保你的OpenAI API密钥在环境中。 然后用Python运行脚本：

python3 question_extractor.py

完成后，所有问题/答案将作为.json文件写入输出路径。

内部工作原理

代码遍历所有文件，对每个文件使用以下提示后跟一段文本来提取问题列表：

你是一位专家用户，正在提取信息以测验人们对文档的了解。你将收到从文档中提取的一页内容，请写出一个编号列表，列出仅基于给定文本可以回答的问题。

然后它遍历这些问题，通过传递以下提示后跟一段文本和一个问题来生成答案：

你是一位回答问题的专家用户。你将收到从文档中提取的一页内容和一个问题。请仅基于给定文本生成一个全面而富有信息的答案。

代码的大部分实际逻辑都用于并发处理文件（以提高速度）并确保传递给模型的文本块足够小，以留出足够的标记用于回答。

如果文本太长而无法发送给模型，它会沿着最高级别的markdown标题进行分割（如果需要，可以重复这个过程，直到拆分到单个段落）。

就性能而言，这个脚本可以在6分钟内处理完整的NERSC文档1。 将318个markdown文件转换为8005个问题，花费29美元。

潜在改进

  • 使用GPT4进行问题回答，以提高答案质量，但会导致运行时间更长和成本显著增加
  • 保存中间结果，以便能够重新启动中断的任务
  • 直接使用OpenAI客户端，而不是Langchain，以减少依赖

Footnotes

  1. 以模型速率限制的约93%运行。 ↩

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多