From 361d826fbd484cb1553245d3715bcf31045f37bc Mon Sep 17 00:00:00 2001
From: westfish <westfish@126.com>
Date: Thu, 13 Oct 2022 04:25:01 +0000
Subject: [PATCH 1/2] fix typos in readme.md

---
 examples/question_generation/unimo-text/README.md | 6 +++---
 1 file changed, 3 insertions(+), 3 deletions(-)

diff --git a/examples/question_generation/unimo-text/README.md b/examples/question_generation/unimo-text/README.md
index dba602072473..1f5ee5d73307 100644
--- a/examples/question_generation/unimo-text/README.md
+++ b/examples/question_generation/unimo-text/README.md
@@ -14,7 +14,7 @@
     - [数据准备](#数据准备)
       - [数据加载](#数据加载)
       - [数据处理](#数据处理)
-      - [从本地文件创建数据集（可选）](#从本地文件创建数据集（可选）)
+      - [从本地文件创建数据集-可选](#从本地文件创建数据集-可选)
     - [模型训练](#模型训练)
     - [模型预测](#模型预测)
     - [模型转换部署](#模型转换部署)
@@ -117,8 +117,8 @@ train_ds, dev_ds = load_dataset('dureader_qg', splits=('train', 'dev'))
 问题: <question_text>
 ```
 
-#### 从本地文件创建数据集（可选）
-在许多情况下，我们需要使用本地数据集来训练我们的文本分类模型，本项目支持使用固定格式本地数据集文件进行训练。
+#### 从本地文件创建数据集-可选
+在许多情况下，我们需要使用本地数据集来训练我们的问题生成模型，本项目支持使用固定格式本地数据集文件进行训练。
 使用本地文件，只需要在模型训练时指定`train_file` 为本地训练数据地址，`predict_file` 为本地测试数据地址即可。
 
 本地数据集目录结构如下：

From 38fcccbd86fd7817033a75d613d0493912e6666f Mon Sep 17 00:00:00 2001
From: westfish <westfish@126.com>
Date: Thu, 20 Oct 2022 09:07:47 +0000
Subject: [PATCH 2/2] fix bug in prediction

---
 examples/question_generation/unimo-text/gen_utils.py | 4 +---
 1 file changed, 1 insertion(+), 3 deletions(-)

diff --git a/examples/question_generation/unimo-text/gen_utils.py b/examples/question_generation/unimo-text/gen_utils.py
index 22098e7bd02f..5efa5ea619bb 100644
--- a/examples/question_generation/unimo-text/gen_utils.py
+++ b/examples/question_generation/unimo-text/gen_utils.py
@@ -162,9 +162,7 @@ def convert_example(example,
                 index_list[0]) + [3] * (index_list[4] - index_list[1]) + [0] * (
                     index_list[6] - index_list[4]) + [1] * (
                         len(tokenized_example['input_ids']) - index_list[6])
-        assert ('target' in example
-                and example['target']) or ('question' in example
-                                           and example['question']), example
+
         if 'target' in example and example['target']:
             tokenized_example['target'] = example['target']
         elif 'question' in example and example['question']: