Dolaďování pro odpovídání na otázky
Dolaďování pro odpovídání na otázky adaptuje velký předtrénovaný jazykový model – jako je BERT, RoBERTa nebo model z rodiny GPT – pro odpovídání na otázky v přirozeném jazyce nad daným kontextovým úsekem nebo znalostní bází. Model se učí lokalizovat úseky odpovědí nebo generovat volné odpovědi dalším tréninkem na označených párech otázka-odpověď po obecném předtrénování.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Fine-Tuned Pre-trained Language Model for Question Answering. ScholarGate. https://scholargate.app/cs/deep-learning/fine-tuned-question-answering
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Klasifikace založená na BERTHluboké učení↔ compare
- Klasifikace založená na doladěném BERTHluboké učení↔ compare
- Jemné doladění sumarizace textuHluboké učení↔ compare
- Klasifikace založená na RoBERTaHluboké učení↔ compare
- Vektorové reprezentace větHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →