बर्टस्कोर और सिमेंटिक मूल्यांकन प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. BERTScore BLEU और ROUGE की किस मुख्य कमज़ोरी को संबोधित करता है?
   • वे अलग-अलग शब्दों का उपयोग करने वाले मान्य पैराफ़्रेज़ को दंडित करते हैं
   • वे लंबे दस्तावेज़ों पर बहुत धीमी गति से चलते हैं
   • उन्हें प्रत्येक अंक के लिए मानव व्याख्याकारों की आवश्यकता होती है
   • वे केवल अनुवाद पर काम करते हैं, संक्षेपण पर नहीं
2. BERTScore यह कैसे तय करता है कि दो टोकन समान हैं?
   • साझा वर्णों की गिनती करके
   • उनके प्रासंगिक एम्बेडिंग की कोसाइन समानता से
   • यह जांच कर कि क्या वे एक ही शब्दकोश प्रविष्टि में दिखाई देते हैं
   • सटीक स्ट्रिंग मिलान द्वारा
3. इसका क्या मतलब है कि BERTScore एम्बेडिंग 'प्रासंगिक' हैं?
   • उनकी गणना प्रति शब्दावली शब्द केवल एक बार की जाती है
   • वे आसपास के शब्दों को पूरी तरह से नजरअंदाज कर देते हैं
   • एक ही शब्द को उसके वाक्य के आधार पर अलग-अलग सदिश मिलते हैं
   • वे शब्द आवृत्ति गणना पर आधारित हैं
4. BERTScore आमतौर पर कौन से तीन मानों की रिपोर्ट करता है?
   • ब्लू, रूज, और उल्का
   • सटीकता, स्मरण, और उलझन
   • पूर्वाग्रह, भिन्नता और हानि
   • परिशुद्धता, स्मरण, और F1
5. BERTScore में वैकल्पिक IDF वेटिंग का उद्देश्य क्या है?
   • बहुत सामान्य, कम जानकारीपूर्ण शब्दों को कम करने के लिए
   • एम्बेडिंग गणना में तेजी लाने के लिए
   • प्राप्तांकों को प्रतिशत में परिवर्तित करना
   • स्कोरिंग से पहले पाठ का अनुवाद करने के लिए
6. बेसलाइन रीस्केलिंग को कभी-कभी BERTScore पर क्यों लागू किया जाता है?
   • संदर्भ पाठ की आवश्यकता को दूर करने के लिए
   • कच्चे स्कोर को अधिक व्याख्या योग्य दायरे में फैलाना
   • तुलना के लिए इसे BLEU में परिवर्तित करना
   • एम्बेडिंग मॉडल को पूरी तरह से खत्म करना
7. In BERTScore, which direction corresponds to recall?
   • For each candidate token, find its best-matching reference token
   • Compare sentence lengths only
   • For each reference token, find its best-matching candidate token
   • Count exact matching n-grams
8. Why can IDF weighting change BERTScore’s token contribution?
   • It replaces contextual embeddings with word counts
   • It removes the reference text
   • It forces every token to have identical similarity
   • Common words receive less weight than more informative words