Machine learningDeep learning / NLP / CV

การตอบคำถามหลายภาษา

การตอบคำถามหลายภาษา (QA) ช่วยให้โมเดลสามารถอ่านข้อความและตอบคำถามได้หลายภาษา โดยมักจะปรับแต่งโมเดลทรานส์ฟอร์มเมอร์ที่ได้รับการฝึกฝนล่วงหน้าแบบข้ามภาษา เช่น mBERT หรือ XLM-R บนชุดข้อมูล QA ที่มีคำอธิบายประกอบในภาษาเดียว และถ่ายทอดความสามารถนั้นแบบ zero-shot หรือ few-shot ไปยังภาษาอื่นๆ นี่เป็นแนวทางมาตรฐานสำหรับการสร้างระบบการอ่าน-ทำความเข้าใจและการตอบคำถามแบบเปิดโดเมนหลายภาษา

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

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

แหล่งอ้างอิง

  1. Artetxe, M., Ruder, S., & Yogatama, D. (2020). On the cross-lingual transferability of monolingual representations. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (pp. 4623–4637). ACL. DOI: 10.18653/v1/2020.acl-main.421
  2. Clark, J. H., Choi, E., Collins, M., Garrette, D., Kwiatkowski, T., Nikolaev, V., & Palomaki, J. (2020). TyDi QA: A benchmark for information-seeking question answering in typologically diverse languages. Transactions of the Association for Computational Linguistics, 8, 454–470. link

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 3). Multilingual Question Answering (Cross-lingual MRC). ScholarGate. https://scholargate.app/th/deep-learning/multilingual-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.

Compare side by side

ถูกอ้างอิงโดย

ScholarGateMultilingual question answering (Multilingual Question Answering (Cross-lingual MRC)). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/deep-learning/multilingual-question-answering · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026