Cuestionario vinculado a una guía · Medio Nivel

Prueba de detección de intenciones y llenado de espacios

Pruebe NLU orientada a tareas: etiquetas de intención, espacios escritos, etiquetado de secuencia, modelos conjuntos, puntos de referencia y contexto de diálogo de múltiples turnos.

Rutas de guía relacionadasLlenado de espacios y detección de intenciones
Pregunta 1 de 8

¿Cuál es la diferencia entre detección de intención y llenado de espacios?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Cuál es la diferencia entre detección de intención y llenado de espacios?
    • La intención encuentra el objetivo general; las ranuras extraen valores de detalle específicos
    • Son dos nombres para la misma tarea
    • La intención extrae valores; Las ranuras clasifican la portería.
    • Las ranuras manejan el audio y la intención maneja el texto.
  2. En 'Reservar un vuelo de Boston a Denver', ¿cuál es la intención?
    • Boston
    • libro_vuelo
    • Denver
    • destino
  3. ¿Por qué el llenado de espacios a menudo se enmarca como etiquetado de secuencia con etiquetas BIO?
    • Para contar el número de palabras.
    • Para traducir la oración primero
    • Para capturar correctamente los valores de espacios de varias palabras
    • Detectar la emoción del hablante.
  4. ¿Por qué los sistemas modernos entrenan conjuntamente la detección de intenciones y el llenado de espacios?
    • Es requerido por ley
    • El entrenamiento conjunto consume menos electricidad
    • Las ranuras no se pueden calcular de otra manera
    • Las tareas están estrechamente relacionadas y comparten señales útiles.
  5. ¿Qué papel puede desempeñar una capa CRF sobre las etiquetas de ranura?
    • Hace cumplir secuencias de etiquetas válidas entre tokens.
    • Detecta la etiqueta de intención.
    • Traduce el enunciado
    • Comprime el tamaño del modelo.
  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
    • Imagen en pintura
    • 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