تحسين فهم القراءة الآلية من خلال اتخاذ قرار متعدد الخيارات وتعلم النقل

تهدف المقارنة القرائية الآلية متعددة الخيارات (MMRC) إلى اختيار الإجابة الصحيحة من مجموعة من الخيارات بناءً على نص معطى وسؤال محدد. وبسبب الطبيعة المحددة للمهمة، فإن نقل المعرفة من مهام أخرى للقراءة المفهومة الآلية، مثل SQuAD وDream، ليس أمراً سهلاً. في هذه الورقة، نقوم ببساطة بإعادة بناء المهمة من متعددة الخيارات إلى خيار واحد من خلال تدريب تصنيف ثنائي لتمييز ما إذا كانت إجابة معينة صحيحة أم لا. ثم نختار الخيار الذي يمتلك أعلى درجة ثقة. تم بناء نموذجنا على نموذج ALBERT-xxlarge، وتم تقييمه على مجموعة بيانات RACE. أثناء التدريب، اعتمدنا استراتيجية AutoML لضبط معاملات أفضل. أظهرت النتائج التجريبية أن النموذج القائم على الخيار الواحد يتفوق على النموذج متعدد الخيارات. علاوة على ذلك، وبفضل نقل المعرفة من مهام أخرى للقراءة المفهومة الآلية، حقق نموذجنا نتائج جديدة قياسية في كل من الإعدادات الفردية والمتعددة (ensemble).