ScholarGate
Asszisztens
Machine learningDeep learning / NLP / CV

Multilingvis transzformátor

A multilingvis transzformátor egy előképzett nyelvi modell, amely a transzformátor architektúrára épül, és több tucat, akár több mint száz nyelvből származó szövegen közösen lett kiképezve. Az olyan modellek, mint az mBERT és az XLM-RoBERTa, megosztott, nyelvközi reprezentációkat tanulnak, lehetővé téve a nulla-lövetű (zero-shot) vagy kevés-lövetű (few-shot) transzfert: egy angol adatokon finomhangolt modell gyakran közvetlenül alkalmazható franciára, németre, arabul vagy kínaiul, nyelvspecifikus címkék nélkül.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

The neighbourhood of related methods — select a node to explore.

+10 more

Források

  1. 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, pp. 4171–4186. Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423
  2. Conneau, A., Khandelwal, K., Goyal, N., Chaudhary, V., Wenzek, G., Guzmán, F., Grave, E., Ott, M., Zettlemoyer, L., & Stoyanov, V. (2020). Unsupervised Cross-lingual Representation Learning at Scale. Proceedings of ACL 2020, pp. 8440–8451. Association for Computational Linguistics. DOI: 10.18653/v1/2020.acl-main.747

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 3). Multilingual Transformer (Cross-lingual Pre-trained Language Model). ScholarGate. https://scholargate.app/hu/deep-learning/multilingual-transformer

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.

Compare side by side

Hivatkozik rá

ScholarGateMultilingual Transformer (Multilingual Transformer (Cross-lingual Pre-trained Language Model)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/deep-learning/multilingual-transformer · Adatkészlet: https://doi.org/10.5281/zenodo.20539026