引導式測驗 · 中等 等級

BERTcore 和語意評估測驗

檢查語義文字評估中的上下文標記匹配、精確度和召回方向、IDF 權重和基線重新縮放。

相關引導路徑Bertscore和語意評估
問題 1 的 8

BERTScore 解決了 BLEU 和 ROUGE 的哪些核心弱點?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. BERTScore 解決了 BLEU 和 ROUGE 的哪些核心弱點?
    • 他們懲罰使用不同單字的有效釋義
    • 他們在長文檔上運行太慢
    • 他們的每個分數都需要人工註釋
    • 他們只做翻譯,不做摘要
  2. BERTScore 如何判定兩個 token 相似?
    • 透過計算共享字元數
    • 透過上下文嵌入的餘弦相似度
    • 透過檢查它們是否出現在同一個字典條目中
    • 透過精確的字串匹配
  3. BERTScore 嵌入是「上下文的」意味著什麼?
    • 每個詞彙僅計算一次
    • 他們完全忽略周圍的詞語
    • 同一個單字根據它的句子得到不同的向量
    • 它們基於詞頻計數
  4. BERTcore 通常會報告哪三個值?
    • 藍色、胭脂和流星
    • 準確率、召回率和複雜度
    • 偏差、方差和損失
    • 準確率、召回率和 F1
  5. BERTcore 中可選 IDF 加權的目的是什麼?
    • 減少非常常見、資訊量較少的單字的權重
    • 加速嵌入運算
    • 將分數轉換為百分比
    • 在評分之前翻譯文本
  6. 為什麼基線重新調整有時會應用於 BERTScore?
    • 消除對參考文本的需要
    • 使原始分數分佈在較容易解釋的範圍內
    • 將其轉換為BLEU進行比較
    • 完全消除嵌入模型
  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