General Language Understanding Evaluation (GLUE) - Cronologia

Mindmakerbot il 13:47, 17 ago 2024

2024-08-17T13:47:10Z

← Versione meno recente		Versione delle 13:47, 17 ago 2024
Riga 61:		Riga 61:
	\|title=Your page title		\|title=Your page title
	\|title_mode=append		\|title_mode=append
	\|keywords="valutazione, modelli di linguaggio, Natural Language Understanding, dataset, grammatica, sentiment, somiglianza, parafrasi, inferenza"		\|keywords=valutazione, modelli di linguaggio, Natural Language Understanding, dataset, grammatica, sentiment, somiglianza, parafrasi, inferenza
	\|description="GLUE, acronimo di General Language Understanding Evaluation, è un famoso benchmark creato nel 2018 per misurare la qualità dei modelli di linguaggio in vari compiti di Natural Language Understanding. Questo benchmark utilizza diversi dataset, tra cui COLA per l'accettabilità grammaticale, SST-2 per il sentiment, QQP per la somiglianza tra domande, STS-B per la somiglianza semantica e MRPC per la parafrasi. GLUE è uno strumento essenziale per la ricerca nel campo dell'NLP."		\|description=GLUE, acronimo di General Language Understanding Evaluation, è un famoso benchmark creato nel 2018 per misurare la qualità dei modelli di linguaggio in vari compiti di Natural Language Understanding. Questo benchmark utilizza diversi dataset, tra cui COLA per l'accettabilità grammaticale, SST-2 per il sentiment, QQP per la somiglianza tra domande, STS-B per la somiglianza semantica e MRPC per la parafrasi. GLUE è uno strumento essenziale per la ricerca nel campo dell'NLP.
	\|image=		\|image=
	}}		}}

Mindmakerbot il 13:32, 17 ago 2024

2024-08-17T13:32:30Z

← Versione meno recente		Versione delle 13:32, 17 ago 2024
Riga 57:		Riga 57:

	[https://gluebenchmark.com Homepage di GLUE]		[https://gluebenchmark.com Homepage di GLUE]

			{{#seo:
			\|title=Your page title
			\|title_mode=append
			\|keywords="valutazione, modelli di linguaggio, Natural Language Understanding, dataset, grammatica, sentiment, somiglianza, parafrasi, inferenza"
			\|description="GLUE, acronimo di General Language Understanding Evaluation, è un famoso benchmark creato nel 2018 per misurare la qualità dei modelli di linguaggio in vari compiti di Natural Language Understanding. Questo benchmark utilizza diversi dataset, tra cui COLA per l'accettabilità grammaticale, SST-2 per il sentiment, QQP per la somiglianza tra domande, STS-B per la somiglianza semantica e MRPC per la parafrasi. GLUE è uno strumento essenziale per la ricerca nel campo dell'NLP."
			\|image=
			}}

Mindmakerbot il 11:38, 17 ago 2024

2024-08-17T11:38:29Z

← Versione meno recente		Versione delle 11:38, 17 ago 2024
Riga 1:		Riga 1:
	Nome~~: [[Nome::~~General Language Understanding Evaluation]]		{{Template benchmark
			\|Nome=General Language Understanding Evaluation
	Sigla~~: [[Sigla::~~GLUE]]		\|Sigla=GLUE
			\|Anno di creazione=2018
	Anno di creazione~~: [[AnnoDiCreazione::~~2018]]		\|URLHomePage=https://gluebenchmark.com
			\|Pubblicazione=
	URLHomePage~~: [~~https://gluebenchmark.com ~~Homepage di GLUE]~~		}}




	Famoso benchmark che misura la qualità dei modelli di linguaggio in vari compiti di [[Natural Language Understanding]]		Famoso benchmark che misura la qualità dei modelli di linguaggio in vari compiti di [[Natural Language Understanding]]

Riga 61:		Riga 57:

	[https://gluebenchmark.com Homepage di GLUE]		[https://gluebenchmark.com Homepage di GLUE]

	~~[[Category:Benchmark]]~~

	~~__SHOWFACTBOX__~~

Sara Maserati il 13:48, 11 apr 2024

2024-04-11T13:48:37Z

← Versione meno recente		Versione delle 13:48, 11 apr 2024
Riga 1:		Riga 1:
			Nome: [[Nome::General Language Understanding Evaluation]]

			Sigla: [[Sigla::GLUE]]

			Anno di creazione: [[AnnoDiCreazione::2018]]

			URLHomePage: [https://gluebenchmark.com Homepage di GLUE]




	Famoso benchmark che misura la qualità dei modelli di linguaggio in vari compiti di [[Natural Language Understanding]]		Famoso benchmark che misura la qualità dei modelli di linguaggio in vari compiti di [[Natural Language Understanding]]

Riga 52:		Riga 63:

	[[Category:Benchmark]]		[[Category:Benchmark]]

			__SHOWFACTBOX__

Alesaccoia: Creata pagina con "Famoso benchmark che misura la qualità dei modelli di linguaggio in vari compiti di Natural Language Understanding === Dataset Contenuti === ==== Corpus of Linguistic Acceptability (COLA) ==== Misura l'accettabilità grammaticale delle frasi Input: "They caused him to become angry by making him." Target: 0 ==== Stanford Sentiment Treebank (SST-2) ==== Misura il sentiment Input: "that loves its characters and communicates something rather beautiful about human..."

2024-03-24T17:10:03Z

Creata pagina con "Famoso benchmark che misura la qualità dei modelli di linguaggio in vari compiti di Natural Language Understanding === Dataset Contenuti === ==== Corpus of Linguistic Acceptability (COLA) ==== Misura l'accettabilità grammaticale delle frasi Input: "They caused him to become angry by making him." Target: 0 ==== Stanford Sentiment Treebank (SST-2) ==== Misura il sentiment Input: "that loves its characters and communicates something rather beautiful about human..."

Nuova pagina

Famoso benchmark che misura la qualità dei modelli di linguaggio in vari compiti di [[Natural Language Understanding]]

=== Dataset Contenuti ===

==== Corpus of Linguistic Acceptability (COLA) ====
Misura l'accettabilità grammaticale delle frasi
Input: "They caused him to become angry by making him."
Target: 0

==== Stanford Sentiment Treebank (SST-2) ====
Misura il sentiment
Input: "that loves its characters and communicates something rather beautiful about human nature "
Target: 1

==== Quora Question Pairs (QQP) ====
Misura la somiglianza di due domande
Inputs:
1. "What is the best self help book you have read? Why?
How did it change your life?"
2. "What are the top self help books I should read?"
Target: 1

==== Semantic Textual Similarity Benchmark (STS-B) ====
Misura la somiglianza semantica, da 1 a 5. La metrica utilizzata per la alutazione è la <u>correlazione</u>.
Example 1:
Input:
1. "A plane is taking off."
2. "An air plane is taking off."
Target: 5

Example 2:
Input:
1. "A man is slicing a bun."
2. "A man is slicing an onion."
Target: 2.4

==== Microsoft Research Paraphrase Corpus (MRPC) ====
Giudica se una frase è la parafrasi dell'altra
Input:
1. "Revenue in the first quarter of the year dropped 15 percent from the same period a year earlier ."
2. "With the scandal hanging over Stewart 's company , revenue the first quarter of the year dropped 15 percent from the same period a year earlier ."
Target: 1

==== Multi-Genre Natural Language Inference (MNLI) ====

... to be continued -> https://medium.com/@priyankads/evaluate-language-understanding-of-ai-models-66dd56269a45

=== Links ===

[https://gluebenchmark.com Homepage di GLUE]

[[Category:Benchmark]]