Mit dem Guide verknüpftes Quiz · Mittel Ebene

Quiz zum Befüllen von Slots und zur Absichtserkennung

Testen Sie aufgabenorientiertes NLU: Absichtsbezeichnungen, typisierte Slots, Sequenz-Tagging, gemeinsame Modelle, Benchmarks und Dialogkontext mit mehreren Runden.

Verwandte FührungspfadeSlot-Füllung und Absichtserkennung
Frage 1 von 8

Was ist der Unterschied zwischen Absichtserkennung und Slotfüllung?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Was ist der Unterschied zwischen Absichtserkennung und Slotfüllung?
    • Die Absicht findet das Gesamtziel; Slots extrahieren bestimmte Detailwerte
    • Es sind zwei Namen für dieselbe Aufgabe
    • Absicht extrahiert Werte; Slots klassifizieren das Ziel
    • Slots verarbeiten Audio und Intent verarbeitet Text
  2. Was ist die Absicht bei „Buchen Sie einen Flug von Boston nach Denver“?
    • Boston
    • book_flight
    • Denver
    • Ziel
  3. Warum wird das Füllen von Slots oft als Sequenzkennzeichnung mit BIO-Tags dargestellt?
    • Um die Anzahl der Wörter zu zählen
    • Zuerst den Satz übersetzen
    • Um Mehrwort-Slot-Werte korrekt zu erfassen
    • Um die Emotionen des Sprechers zu erkennen
  4. Warum trainieren moderne Systeme Absichtserkennung und Slotfüllung gemeinsam?
    • Es ist gesetzlich vorgeschrieben
    • Gemeinsames Training verbraucht weniger Strom
    • Slots können nicht anders berechnet werden
    • Die Aufgaben sind eng miteinander verbunden und teilen nützliche Signale
  5. Welche Rolle kann eine CRF-Schicht über Slot-Tags spielen?
    • Es erzwingt gültige Label-Sequenzen zwischen Token
    • Es erkennt das Intent-Label
    • Es übersetzt die Äußerung
    • Es komprimiert die Modellgröße
  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
    • Bildmalerei
    • 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