Тест, свързан с ръководство · Среден Ниво
Извод на естествен език и тест за включване
Научете включване, противоречие и неутрални етикети на NLI, набори от данни за бенчмарк, входове на трансформатори и ограничения за проверка на доказателства.
Въпрос 1 на 8
Кои са трите стандартни етикета в извода на естествен език?
Визуализирайте всеки въпрос8 въпроси
Отговорите и обясненията се появяват, докато отговаряте на теста.
- Кои са трите стандартни етикета в извода на естествен език?
- Включване, противоречие, неутрално
- Положителни, отрицателни, неутрални
- Вярно, невярно, неизвестно
- Субект, глагол, обект
- В NLI какво означава „включване“?
- Двете изречения нямат връзка
- Хипотезата трябва да е вярна предвид предпоставката
- Хипотезата трябва да е невярна предвид предпоставката
- Изреченията са граматически идентични
- Като се има предвид предпоставката „Мъж свири на китара на сцената“, коя хипотеза е противоречие?
- Човек изпълнява музика
- Публиката обича песента
- Сцената е празна
- Музикант държи инструмент
- What is an annotation artifact in an NLI dataset?
- A model that reasons perfectly with very little data
- A dataset where every annotator agrees
- A premise that is always longer than its hypothesis
- A spurious cue that lets a model guess labels without reasoning about the premise-hypothesis relation
- Кои набори от данни се използват широко за обучение и оценка на NLI?
- SNLI и MultiNLI
- ImageNet и CIFAR
- MNIST и SVHN
- WikiText и Penn Treebank
- How can NLI support a check of a generated claim against source evidence?
- Measure the generated claim’s length
- Classify whether the evidence entails, contradicts, or leaves the claim neutral
- Count unique words only
- Translate the claim into another language
- In NLI, what does the neutral label mean?
- The hypothesis is guaranteed true
- The hypothesis is guaranteed false
- The premise neither entails nor contradicts the hypothesis
- The two sentences are grammatically identical
- How does a common transformer NLI classifier present a sentence pair to the model?
- Encode only the hypothesis and discard the premise
- Convert both sentences into audio first
- Train a separate model for every word
- Concatenate the premise and hypothesis with a separator token