Preguntes Respostes Refinades
Les Preguntes Respostes Refinades (Fine-Tuned Question Answering) adapten un model de llenguatge pre-entrenat gran — com BERT, RoBERTa, o un model de la família GPT — per respondre preguntes en llenguatge natural sobre un passatge de context o base de coneixement donada. El model aprèn a localitzar fragments de resposta o generar respostes de forma lliure continuant l'entrenament amb parells de preguntes-respostes etiquetats després d'un pre-entrenament d'ús general.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Mapa de mètodes
El veïnat de mètodes relacionats — seleccioneu un node per explorar-lo.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Fine-Tuned Pre-trained Language Model for Question Answering. ScholarGate. https://scholargate.app/ca/deep-learning/fine-tuned-question-answering
Quin mètode?
Poseu aquest mètode al costat dels seus parents més pròxims i llegiu-los de costat a costat — la biblioteca disposa els llibres sobre la taula; la tria és vostra.
- Classificació basada en BERTAprenentatge profund↔ compara
- Classificació basada en BERT amb ajustament fiAprenentatge profund↔ compara
- Resum de text amb ajustament fiAprenentatge profund↔ compara
- Classificació basada en RoBERTaAprenentatge profund↔ compara
- Sentence EmbeddingsAprenentatge profund↔ compara
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →