Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący wypełniania slotów i wykrywania intencji

Testuj NLU zorientowane na zadania: etykiety intencji, wpisane miejsca, tagowanie sekwencji, wspólne modele, testy porównawcze i kontekst dialogu wieloobrotowego.

Powiązane ścieżki prowadząceWypełnianie szczelin i wykrywanie zamiarów
Pytanie 1 z 8

Jaka jest różnica między wykrywaniem zamiarów a wypełnianiem szczelin?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Jaka jest różnica między wykrywaniem zamiarów a wypełnianiem szczelin?
    • Intencja znajduje ogólny cel; szczeliny wyodrębniają określone wartości szczegółów
    • To dwie nazwy tego samego zadania
    • Intencja wydobywa wartości; szczeliny klasyfikują cel
    • Sloty obsługują dźwięk, a intencje obsługują tekst
  2. Jaki jest cel w „Zarezerwuj lot z Bostonu do Denver”?
    • Bostonie
    • książka_lot
    • Denver
    • miejsce docelowe
  3. Dlaczego wypełnianie szczelin jest często przedstawiane jako etykietowanie sekwencji za pomocą znaczników BIO?
    • Aby policzyć liczbę słów
    • Najpierw przetłumacz zdanie
    • Aby poprawnie przechwycić wartości przedziałów zawierających wiele słów
    • Aby wykryć emocje mówiącego
  4. Dlaczego nowoczesne systemy wspólnie trenują wykrywanie zamiarów i wypełnianie slotów?
    • Jest to wymagane przez prawo
    • Wspólny trening zużywa mniej prądu
    • Slotów nie można obliczyć w inny sposób
    • Zadania są ze sobą ściśle powiązane i dzielą użyteczny sygnał
  5. Jaką rolę może odgrywać warstwa CRF na znacznikach slotów?
    • Wymusza prawidłowe sekwencje etykiet między tokenami
    • Wykrywa etykietę intencji
    • Tłumaczy wypowiedź
    • Kompresuje rozmiar modelu
  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
    • Malarstwo obrazu
    • 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