BERTScore 및 의미론적 평가 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. BERTScore는 BLEU 및 ROUGE의 어떤 핵심 약점을 해결합니까?
   • 다른 단어를 사용하는 유효한 패러프레이징에는 처벌이 적용됩니다.
   • 긴 문서에서 너무 느리게 실행됩니다.
   • 모든 점수에 대해 인간 주석자가 필요합니다.
   • 요약이 아닌 번역 작업만 수행합니다.
2. BERTScore는 두 토큰이 유사하다고 어떻게 결정합니까?
   • 공유 문자를 계산하여
   • 상황별 임베딩의 코사인 유사성
   • 동일한 사전 항목에 나타나는지 확인하여
   • 정확한 문자열 일치로
3. BERTScore 임베딩이 '문맥적'이라는 것은 무엇을 의미합니까?
   • 어휘당 한 번만 계산됩니다.
   • 그들은 주변 단어를 완전히 무시합니다.
   • 같은 단어라도 문장에 따라 다른 벡터를 얻습니다.
   • 단어 빈도수를 기반으로 합니다.
4. BERTScore는 일반적으로 어떤 세 가지 값을 보고합니까?
   • 블루, 루즈, 메테오르
   • 정확성, 기억력, 당혹감
   • 편향, 분산, 손실
   • 정밀도, 재현율 및 F1
5. BERTScore에서 선택적 IDF 가중치의 목적은 무엇입니까?
   • 매우 일반적이고 덜 유익한 단어를 축소하기 위해
   • 임베딩 계산 속도를 높이기 위해
   • 점수를 백분율로 변환하려면
   • 점수를 매기기 전에 텍스트를 번역하려면
6. 때때로 기준 재조정이 BERTScore에 적용되는 이유는 무엇입니까?
   • 참조 텍스트의 필요성을 제거하려면
   • 원시 점수를 보다 해석 가능한 범위에 분산시키려면
   • 비교를 위해 BLEU로 변환하려면
   • 임베딩 모델을 완전히 제거하려면
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