व्याख्या योग्य प्रश्न उत्तरण
व्याख्या योग्य प्रश्न उत्तरण (XQA) तंत्रिका पठन-समझ मॉडल — सामान्यतः BERT-परिवार के ट्रांसफार्मर — को व्याख्यात्मकता विधियों जैसे तर्क निष्कर्षण, ध्यान विज़ुअलाइज़ेशन, LIME, या SHAP के साथ जोड़ता है ताकि यह पता चल सके कि मॉडल ने किसी विशेष उत्तर अंश का चयन क्यों किया। लक्ष्य केवल सटीकता नहीं है, बल्कि भरोसेमंद, लेखा-परीक्षण योग्य तर्क है जिसे उपयोगकर्ता और डोमेन विशेषज्ञ निरीक्षण और सत्यापित कर सकते हैं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Explainable Question Answering (XQA). ScholarGate. https://scholargate.app/hi/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.
- BERT-आधारित वर्गीकरणगहन अधिगम↔ compare
- व्याख्या योग्य BERT-आधारित वर्गीकरणगहन अधिगम↔ compare
- व्याख्यायोग्य ट्रांसफार्मरगहन अधिगम↔ compare
- RoBERTa-आधारित वर्गीकरणगहन अधिगम↔ compare
- वाक्य एम्बेडिंगगहन अधिगम↔ compare