DecoStrat: aprovechando las capacidades de los modelos de lenguaje en la generación de D2T a través del marco de decodificación
Autores: Jimale, Elias Lemuye; Chen, Wenyu; Al-antari, Mugahed A.; Gu, Yeong Hyeon; Agbesi, Victor Kwaku; Feroze, Wasif
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
DecoStrat: aprovechando las capacidades de los modelos de lenguaje en la generación de D2T a través del marco de decodificación
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Modelos de lenguaje
Métodos de decodificación
DecoStrat
Generación D2T
Conjunto de datos MultiWOZ
Módulos interactivos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 23
Citaciones: Sin citaciones
Los modelos de lenguaje actuales han logrado un éxito notable en las tareas de PNL. Sin embargo, los métodos de decodificación individuales enfrentan dificultades para darse cuenta del inmenso potencial de estos modelos. El desafío se debe principalmente a la falta de un marco de decodificación que pueda integrar modelos de lenguaje y métodos de decodificación. Introducimos DecoStrat, que cubre la brecha entre la modelización del lenguaje y el proceso de decodificación en la generación D2T.
Descripción
Los modelos de lenguaje actuales han logrado un éxito notable en las tareas de PNL. Sin embargo, los métodos de decodificación individuales enfrentan dificultades para darse cuenta del inmenso potencial de estos modelos. El desafío se debe principalmente a la falta de un marco de decodificación que pueda integrar modelos de lenguaje y métodos de decodificación. Introducimos DecoStrat, que cubre la brecha entre la modelización del lenguaje y el proceso de decodificación en la generación D2T.