Machine learningDeep learning / NLP / CV
הסבר שאלות ותשובות
הסבר שאלות ותשובות (XQA) משלב מודלים נוירליים להבנת הנקרא – בדרך כלל טרנספורמרים ממשפחת BERT – עם שיטות פרשנות כגון חילוץ רציונל, הדמיית קשב, LIME או SHAP, כדי לחשוף מדוע המודל בחר בטווח תשובה מסוים. המטרה היא לא רק דיוק, אלא גם הנמקה אמינה וניתנת לביקורת, שמשתמשים ומומחי תחום יכולים לבדוק ולאמת.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- DeYoung, J., Jain, S., Rajani, N. F., Lehman, E., Xiong, C., Socher, R., & Wallace, B. C. (2020). ERASER: A Benchmark to Evaluate Rationalized NLP Models. In Proceedings of ACL 2020, pp. 4443–4458. DOI: 10.18653/v1/2020.acl-main.408 ↗
- Rajpurkar, P., Zhang, J., Lopyrev, K., & Liang, P. (2016). SQuAD: 100,000+ Questions for Machine Comprehension of Text. In Proceedings of EMNLP 2016, pp. 2383–2392. DOI: 10.18653/v1/D16-1264 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Explainable Question Answering (XQA). ScholarGate. https://scholargate.app/he/deep-learning/explainable-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.
- סיווג מבוסס BERTלמידה עמוקה↔ compare
- סיווג מבוסס BERT עם הסבריםלמידה עמוקה↔ compare
- טרנספורמר ניתן להסברלמידה עמוקה↔ compare
- סיווג מבוסס RoBERTaלמידה עמוקה↔ compare
- ייצוגי משפטים (Sentence Embeddings)למידה עמוקה↔ compare