गाइड से जुड़ी प्रश्नोत्तरी · मध्यम स्तर
प्राकृतिक भाषा अनुमान और प्रवेश प्रश्नोत्तरी
एनएलआई की भागीदारी, विरोधाभास और तटस्थ लेबल, बेंचमार्क डेटासेट, ट्रांसफार्मर इनपुट और साक्ष्य-जाँच सीमाएँ जानें।
प्रश्न 1 का 8
प्राकृतिक भाषा अनुमान में तीन मानक लेबल क्या हैं?
प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न
जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।
- प्राकृतिक भाषा अनुमान में तीन मानक लेबल क्या हैं?
- अंतर्विरोध, अंतर्विरोध, तटस्थ
- सकारात्मक, नकारात्मक, तटस्थ
- सत्य, असत्य, अज्ञात
- विषय, क्रिया, वस्तु
- एनएलआई में, 'एंटेलमेंट' का क्या मतलब है?
- दोनों वाक्य असंबंधित हैं
- आधार को देखते हुए परिकल्पना सत्य होनी चाहिए
- आधार को देखते हुए परिकल्पना झूठी होनी चाहिए
- वाक्य व्याकरणिक रूप से समान हैं
- यह देखते हुए कि 'एक आदमी मंच पर गिटार बजा रहा है', कौन सी परिकल्पना विरोधाभासी है?
- एक व्यक्ति संगीत प्रस्तुत कर रहा है
- भीड़ को गाना बहुत पसंद आ रहा है
- मंच खाली है
- एक संगीतकार के पास एक वाद्ययंत्र है
- 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
- एनएलआई को प्रशिक्षित और मूल्यांकन करने के लिए कौन से डेटासेट का व्यापक रूप से उपयोग किया जाता है?
- एसएनएलआई और मल्टीएनएलआई
- इमेजनेट और सीआईएफएआर
- एमएनआईएसटी और एसवीएचएन
- विकीटेक्स्ट और पेन ट्रीबैंक
- 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