แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการเติมสล็อตและการตรวจจับเจตนา

ทดสอบ NLU ที่มุ่งเน้นงาน: ป้ายกำกับเจตนา ช่องที่พิมพ์ การแท็กลำดับ โมเดลร่วม การวัดประสิทธิภาพ และบริบทบทสนทนาแบบหลายรอบ

เส้นทางแนะนำที่เกี่ยวข้องการเติมช่องและการตรวจจับเจตนา
คำถาม 1 ของ 8

อะไรคือความแตกต่างระหว่างการตรวจจับเจตนาและการเติมช่อง?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. อะไรคือความแตกต่างระหว่างการตรวจจับเจตนาและการเติมช่อง?
    • เจตนาค้นหาเป้าหมายโดยรวม ช่องแยกค่ารายละเอียดเฉพาะ
    • เป็นสองชื่อสำหรับงานเดียวกัน
    • เจตนาดึงคุณค่าออกมา ช่องจำแนกเป้าหมาย
    • ช่องจัดการเสียงและเจตนาจัดการข้อความ
  2. ใน 'จองเที่ยวบินจากบอสตันไปเดนเวอร์' จุดประสงค์คืออะไร
    • บอสตัน
    • หนังสือ_เที่ยวบิน
    • เดนเวอร์
    • ปลายทาง
  3. เหตุใดการเติมช่องจึงมักมีกรอบเป็นการติดฉลากลำดับด้วยแท็ก BIO
    • เพื่อนับจำนวนคำ
    • ให้แปลประโยคก่อน
    • เพื่อบันทึกค่าช่องหลายคำอย่างถูกต้อง
    • เพื่อตรวจจับอารมณ์ของผู้พูด
  4. เหตุใดระบบสมัยใหม่จึงฝึกการตรวจจับเจตนาและการเติมช่องร่วมกัน
    • มันเป็นสิ่งจำเป็นตามกฎหมาย
    • การฝึกร่วมใช้ไฟฟ้าน้อยกว่า
    • สล็อตไม่สามารถคำนวณเป็นอย่างอื่นได้
    • งานต่างๆ เชื่อมโยงกันอย่างแนบแน่นและแบ่งปันสัญญาณที่เป็นประโยชน์
  5. เลเยอร์ CRF สามารถมีบทบาทอะไรได้บ้างที่ด้านบนของแท็กสล็อต
    • บังคับใช้ลำดับป้ายกำกับที่ถูกต้องระหว่างโทเค็น
    • มันตรวจจับป้ายกำกับเจตนา
    • มันแปลคำพูด
    • มันบีบอัดขนาดโมเดล
  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
    • ภาพในการวาดภาพ
    • 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