Hỏi đáp tinh chỉnh
Hỏi đáp tinh chỉnh (Fine-Tuned Question Answering) là kỹ thuật điều chỉnh một mô hình ngôn ngữ lớn đã được tiền huấn luyện — như BERT, RoBERTa, hoặc một mô hình thuộc họ GPT — để trả lời các câu hỏi ngôn ngữ tự nhiên dựa trên một đoạn văn bản ngữ cảnh hoặc cơ sở tri thức cho trước. Mô hình học cách xác định các khoảng trả lời (answer spans) hoặc tạo ra các câu trả lời tự do bằng cách tiếp tục huấn luyện trên các cặp hỏi đáp có nhãn sau giai đoạn tiền huấn luyện đa mục đích.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Fine-Tuned Pre-trained Language Model for Question Answering. ScholarGate. https://scholargate.app/vi/deep-learning/fine-tuned-question-answering
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Phân loại dựa trên BERTHọc sâu↔ so sánh
- Phân loại dựa trên BERT tinh chỉnhHọc sâu↔ so sánh
- Tóm tắt văn bản tinh chỉnhHọc sâu↔ so sánh
- Phân loại dựa trên RoBERTaHọc sâu↔ so sánh
- Nhúng câu (Sentence Embeddings)Học sâu↔ so sánh
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →