Rehber bağlantılı sınav · Orta Seviye
Doğal Dil Çıkarımı ve Gereklilik Sınavı
NLI'nin gerekliliklerini, çelişkilerini ve tarafsız etiketlerini, kıyaslama veri kümelerini, dönüştürücü girdilerini ve kanıt kontrol sınırlarını öğrenin.
Soru 1 arasında 8
Doğal dil çıkarımında üç standart etiket nedir?
Her soruyu önizleyin8 sorular
Testi çözdüğünüzde cevaplar ve açıklamalar görünür.
- Doğal dil çıkarımında üç standart etiket nedir?
- Gereklilik, çelişki, tarafsız
- Olumlu, olumsuz, tarafsız
- Doğru, yanlış, bilinmiyor
- Konu, fiil, nesne
- NLI'de 'zorunluluk' ne anlama geliyor?
- İki cümle alakasız
- Öncül göz önüne alındığında hipotez doğru olmalıdır
- Öncül dikkate alındığında hipotezin yanlış olması gerekir
- Cümleler gramer açısından aynıdır
- 'Bir adam sahnede gitar çalıyor' önermesi göz önüne alındığında, hangi hipotez bir çelişkidir?
- Bir kişi müzik icra ediyor
- Kalabalık şarkıyı seviyor
- Sahne boş
- Bir müzisyen bir enstrüman tutuyor
- 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
- NLI'yi eğitmek ve değerlendirmek için yaygın olarak hangi veri kümeleri kullanılıyor?
- SNLI ve ÇokluNLI
- ImageNet ve CIFAR
- MNIST ve SVHN
- WikiText ve 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