AI說書 - 從0開始 - 90

我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。

回顧 AI說書 - 從0開始 - 87 說：Wang 等人 2019 年的論文，提供了合理答案的選擇 (Choice of Plausible Answers, COPA) 任務，Transformer 必須選擇問題的最合理的答案，資料集提供了前提，Transformer 模型必須找到最合理的答案。

在 AI說書 - 從0開始 - 88 介紹了：

• Boolean Question Task (BoolQ)：BoolQ 是 Boolean 是或否回答任務
• Commitment Bank (CB)：要求 Transformer 模型讀取一個前提，然後檢查基於該前提的假設，Transformer 必須將假設標記為中性、蘊含或前提的矛盾等

在 AI說書 - 從0開始 - 89 介紹了：

• Multi-Sentence Reading Comprehension (MultiRC)：要求模型閱讀文本並從多個可能的選項中進行選擇，模型包含一段文字、幾個問題以及帶有 0（假）或 1（真）標籤的每個問題的可能答案

以下繼續介紹 Wang 等人 2019 年的論文所提出的其他任務：

• Reading Comprehension with Commonsense Reasoning Dataset (ReCoRD)：該資料集包含來自 70000 多篇新聞文章的 120000 多個查詢， Transformer 必須使用常識推理來解決這個問題，來看一個 train.jsonl 中的範例：

Transformer 模型必須透過尋找字符位置的正確值來回答查詢：