اختبار مرتبط بالدليل · متوسط المستوى

اختبار ملء الفتحة والكشف عن النوايا

اختبار NLU الموجه نحو المهام: تسميات الغرض، والفتحات المكتوبة، ووضع علامات التسلسل، والنماذج المشتركة، والمعايير، وسياق الحوار متعدد المنعطفات.

مسارات الدليل ذات الصلةملء الفتحة والكشف عن النوايا
سؤال 1 من 8

ما الفرق بين كشف النية وملء الفتحة؟

معاينة كل سؤال8 أسئلة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

  1. ما الفرق بين كشف النية وملء الفتحة؟
    • النية تجد الهدف العام؛ فتحات استخراج قيم التفاصيل المحددة
    • وهما اسمان لنفس المهمة
    • النية تستخرج القيم؛ فتحات تصنيف الهدف
    • فتحات التعامل مع الصوت والقصد يعالج النص
  2. في "حجز رحلة طيران من بوسطن إلى دنفر"، ما هو القصد من ذلك؟
    • بوسطن
    • book_flight
    • دنفر
    • الوجهة
  3. لماذا غالبًا ما يتم تأطير ملء الفتحة كتسمية تسلسلية مع علامات BIO؟
    • لحساب عدد الكلمات
    • لترجمة الجملة أولا
    • لالتقاط قيم فتحة الكلمات المتعددة بشكل صحيح
    • - الكشف عن انفعالات المتحدث
  4. لماذا تقوم الأنظمة الحديثة بتدريب كشف النوايا وملء الفتحات بشكل مشترك؟
    • وهو مطلوب بموجب القانون
    • يستخدم التدريب المشترك كميات أقل من الكهرباء
    • ولا يمكن حساب الفتحات بطريقة أخرى
    • تقترن المهام بإحكام وتتبادل الإشارات المفيدة
  5. ما هو الدور الذي يمكن أن تلعبه طبقة CRF أعلى علامات الفتحة؟
    • يفرض تسلسل تسمية صالحًا بين الرموز المميزة
    • يكتشف تسمية النية
    • وهو يترجم الكلام
    • إنه يضغط حجم النموذج
  6. How can a large language model produce an intent-and-slot result?
    • By eliminating user input
    • By generating structured output such as schema-constrained JSON, with validation still required
    • By using only single-word commands
    • By removing the concepts of intent and slot
  7. What domain does the ATIS benchmark focus on?
    • Music source separation
    • صورة في الرسم
    • Airline travel information and flight requests
    • Robot navigation
  8. In a multi-turn dialogue, why might a slot-filling system need prior turns?
    • Earlier turns remove the need to identify an intent
    • Slot values can only appear in the first sentence
    • Prior context changes the tokenizer vocabulary
    • A follow-up may omit a value type that earlier context supplies