Machine learningDeep learning / NLP / CV
إجابة الأسئلة المُحسَّنة بدقة
تُكيِّف إجابة الأسئلة المُحسَّنة بدقة نموذج لغة كبير مُدرَّب مُسبقًا — مثل BERT أو RoBERTa أو نموذج من عائلة GPT — للإجابة على أسئلة اللغة الطبيعية حول مقطع سياقي مُعطى أو قاعدة معرفية. يتعلم النموذج تحديد نطاقات الإجابات أو إنشاء إجابات حرة الشكل عن طريق مواصلة التدريب على أزواج أسئلة وأجوبة مُصنَّفة بعد التدريب المُسبق للأغراض العامة.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
خريطة المناهج
محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.
المصادر
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- Rajpurkar, P., Zhang, J., Lopyrev, K., & Liang, P. (2016). SQuAD: 100,000+ Questions for Machine Comprehension of Text. Proceedings of EMNLP 2016, 2383–2392. DOI: 10.18653/v1/D16-1264 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Fine-Tuned Pre-trained Language Model for Question Answering. ScholarGate. https://scholargate.app/ar/deep-learning/fine-tuned-question-answering
أيُّ منهج؟
ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.
- تصنيف قائم على BERTالتعلم العميق↔ قارن
- تصنيف مُحسَّن استنادًا إلى BERTالتعلم العميق↔ قارن
- تلخيص النصوص المُحسَّن (Fine-Tuned Text Summarization)التعلم العميق↔ قارن
- تصنيف قائم على RoBERTaالتعلم العميق↔ قارن
- تضمينات الجملالتعلم العميق↔ قارن