引導式測驗 · 硬 等級
共指解析測驗
測驗提及身分、代名詞照應、Winograd 推理、下游錯誤、跨度排名、語言線索、實體連結和偏差評估。
問題 1 的 8
在句子「Maria said she was tired」中,將 Maria 與 she 歸為一組時,指代解析探討的是什麼樣的同一性關係?
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。
- 在句子「Maria said she was tired」中,將 Maria 與 she 歸為一組時,指代解析探討的是什麼樣的同一性關係?
- 兩個提及是否指向同一實體
- 是否必須先翻譯段落
- 兩個詞是否拼寫相同
- 句子是否恰好有兩個標點符號
- 將代名詞連結至先前的相同指稱表達,是哪種關係的常見例子?
- 文件層級情感分類
- 影像分割
- 代名詞回指
- 字母順序標記排序
- 為什麼「獎盃無法放入手提箱,因為它太大」這句話是經典的硬箱(Winograd 模式)?
- 它包含一個拼字錯誤
- 它根本沒有代名詞
- 它是用被動語態寫的
- 決定「它」指的是什麼需要現實世界的知識,而不僅僅是語法
- 為什麼共指消解對於總結和問答等任務很重要?
- 它使文字字體變大
- 錯誤地理解單字所指的實體會導致錯誤或混亂的輸出
- 它可以加快電腦硬碟的速度
- 只對詩有用
- 影響力較大的 span-ranking 指代模型如何構建提及連結?
- 要求所有名稱在字母順序上相鄰
- 在分析同一性之前刪除所有代名詞
- 透過為候選提及與可能的較早先行詞打分
- 將每個 span 指派相同的資料庫記錄
- 哪種信息能為指代模型提供線索,但不保證正確連結?
- 提及距離、語法一致性與上下文資訊
- 僅文字顏色
- 使用者輸入的速度
- 職業刻板印象決定性別的要求
- 在文件內,將實體連結與分組共指提及區分開來的額外步驟是什麼?
- 計算出現的代名詞數量,而不解析它們
- 將提及與已消歧的外部知識庫條目關聯
- 將所有提及改為大寫
- 要求每個提及都對應不同的實體
- WinoBias 透過基於職業的 Winograd 風格代名詞範例考察什麼?
- 用於顯示職業的螢幕解析度
- 保證每個職業只對應一種性別
- 每個訓練模型的檔案大小
- 符合刻板印象與反刻板印象共指表現之間的差異