Machine learningDeep learning / NLP / CV
Fine-Tuned Question Answering
Fine-Tuned Question Answering은 BERT, RoBERTa 또는 GPT 계열 모델과 같은 대규모 사전 훈련 언어 모델을 특정 문맥 또는 지식 베이스에 대한 자연어 질문에 답하도록 조정하는 기법입니다. 이 모델은 일반적인 사전 훈련 이후 레이블이 지정된 QA 쌍에 대한 추가 훈련을 통해 답변 범위를 찾거나 자유 형식의 답변을 생성하는 방법을 학습합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Fine-Tuned Pre-trained Language Model for Question Answering. ScholarGate. https://scholargate.app/ko/deep-learning/fine-tuned-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 기반 분류딥러닝↔ compare
- BERT 기반 미세조정 분류딥러닝↔ compare
- 미세 조정 텍스트 요약딥러닝↔ compare
- RoBERTa 기반 분류딥러닝↔ compare
- 문장 임베딩딥러닝↔ compare