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

扣子-AI办公

扣子-AI办公

职场AI，就用扣子

AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！

堆友

堆友

多风格AI绘画神器

堆友平台由阿里巴巴设计团队创建，作为一款AI驱动的设计工具，专为设计师提供一站式增长服务。功能覆盖海量3D素材、AI绘画、实时渲染以及专业抠图，显著提升设计品质和效率。平台不仅提供工具，还是一个促进创意交流和个人发展的空间，界面友好，适合所有级别的设计师和创意工作者。

图像生成AI工具AI反应堆AI工具箱AI绘画GOAI艺术字堆友相机AI图像热门
码上飞

码上飞

零代码AI应用开发平台

零代码AI应用开发平台，用户只需一句话简单描述需求，AI能自动生成小程序、APP或H5网页应用，无需编写代码。

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码，轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

TRAE编程

AI辅助编程，代码自动修复

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。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT，就用博思AIPPT！

博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命，一站式智能商拍平台

潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。

下拉加载更多