Quiz collegato alla guida · Medio Livello
Quiz sull'inferenza e l'implicazione del linguaggio naturale
Scopri il coinvolgimento, la contraddizione e le etichette neutre di NLI, i set di dati di riferimento, gli input del trasformatore e i limiti di controllo delle prove.
Domanda 1 di 8
Quali sono le tre etichette standard nell'inferenza del linguaggio naturale?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Quali sono le tre etichette standard nell'inferenza del linguaggio naturale?
- Coinvolgimento, contraddizione, neutrale
- Positivo, negativo, neutro
- Vero, falso, sconosciuto
- Soggetto, verbo, oggetto
- In NLI, cosa significa "coinvolgimento"?
- Le due frasi non sono correlate
- L’ipotesi deve essere vera date le premesse
- L’ipotesi deve essere falsa date le premesse
- Le frasi sono grammaticalmente identiche
- Data la premessa "Un uomo suona la chitarra sul palco", quale ipotesi è una contraddizione?
- Una persona sta eseguendo della musica
- Il pubblico adora la canzone
- Il palco è vuoto
- Un musicista tiene uno strumento
- 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
- Quali set di dati sono ampiamente utilizzati per addestrare e valutare la NLI?
- SNLI e MultiNLI
- ImageNet e CIFAR
- MNIST e SVHN
- WikiText e 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