Machine learningDeep learning / NLP / CV
ファインチューニングされた質問応答
ファインチューニングされた質問応答（Fine-Tuned Question Answering）は、BERT、RoBERTa、GPTファミリーなどの大規模事前学習済み言語モデルを、与えられたコンテキストパッセージまたは知識ベースに対する自然言語の質問に答えるように適応させる技術です。このモデルは、一般的な事前学習の後、ラベル付けされたQAペアで継続的なトレーニングを行うことにより、回答スパンの特定や自由形式の回答の生成を学習します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Fine-Tuned Pre-trained Language Model for Question Answering. ScholarGate. https://scholargate.app/ja/deep-learning/fine-tuned-question-answering
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- BERTベースの分類深層学習↔ 比較
- ファインチューニングされたBERTベースの分類深層学習↔ 比較
- ファイン・チューニングによるテキスト要約深層学習↔ 比較
- RoBERTaベースの分類深層学習↔ 比較
- 文埋め込み（Sentence Embeddings）深層学習↔ 比較