
«`html
Понимание подразумеваемого значения — это важный аспект человеческой коммуникации. Однако современные модели естественного языка (NLI) сталкиваются с трудностями в распознавании подразумеваемых выводов. Это ограничивает развитие приложений, таких как разговорный ИИ и принятие решений в контексте.
Существующие наборы данных NLI, такие как SNLI и MNLI, в основном сосредоточены на явных выводах. Это приводит к тому, что модели неправильно классифицируют подразумеваемые выводы. Даже крупные модели, такие как GPT-4, показывают значительный разрыв в производительности между явными и подразумеваемыми выводами.
Исследователи Google Deepmind и Университета Пенсильвании предложили набор данных Implied NLI (INLI), который помогает преодолеть этот разрыв. Этот набор данных включает в себя пары
Создание INLI состоит из двух этапов:
Набор данных включает 40,000 гипотез для 10,000 предпосылок, что обеспечивает разнообразие и сбалансированность.
Модели, дообученные на INLI, показывают значительное улучшение в распознавании подразумеваемых выводов с точностью 92.5%. Это значительно выше, чем у моделей, обученных на обычных наборах данных NLI.
Если вы хотите, чтобы ваша компания развивалась с помощью ИИ, следуйте этим шагам:
Если вам нужны советы по внедрению ИИ, пишите нам. Следите за новостями об ИИ в нашем Телеграм-канале.
Это ИИ-ассистент для продаж, который помогает отвечать на вопросы клиентов и генерировать контент для отдела продаж. Узнайте, как ИИ может изменить процесс продаж в вашей компании!
«`
Оставьте заявку — мы свяжемся с вами и расскажем, как начать работу