Machine learningDeep learning / NLP / CV
מענה על שאלות מכוונן-עדין
מענה על שאלות מכוונן-עדין (Fine-Tuned Question Answering) מתאים מודל שפה גדול שאומן מראש — כגון BERT, RoBERTa, או מודל ממשפחת GPT — למענה על שאלות בשפה טבעית מעל קטע טקסט נתון או מאגר ידע. המודל לומד לאתר קטעי תשובה (answer spans) או ליצור תשובות חופשיות על ידי המשך אימון על זוגות שאלה-תשובה מתויגים לאחר אימון מקדים למטרה כללית.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Fine-Tuned Pre-trained Language Model for Question Answering. ScholarGate. https://scholargate.app/he/deep-learning/fine-tuned-question-answering
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- סיווג מבוסס BERTלמידה עמוקה↔ השוואה
- סיווג מבוסס BERT מכוונן עדיןלמידה עמוקה↔ השוואה
- סיכום טקסט מכוונן (Fine-Tuned Text Summarization)למידה עמוקה↔ השוואה
- סיווג מבוסס RoBERTaלמידה עמוקה↔ השוואה
- ייצוגי משפטים (Sentence Embeddings)למידה עמוקה↔ השוואה