抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
典型的には,機械学習システムは,数千の例に関する訓練によって新しいタスクを解決する。対照的に,人間は,おそらく例または2つで,いくつかの命令を読むことによって,新しいタスクを解決できる。このギャップを閉じるためのステップを取るために,著者らは,その記述を読んだ後に新しいタスクを解決するNLPシステムを開発するためのフレームワークを導入し,この領域における事前研究を合成した。このフレームワークを,新しい英語言語データセット,ZEST,で,タスク指向のタスクに関するタスク指向評価用に構造化する。質問としてタスク記述を定式化して,著者らは,それぞれが,多くの可能な入力に適用するのに十分一般的であり,その結果,各タスクを解決するためのモデルの能力を包括的に評価できる。さらに,データセットの構造は系統的一般化の特定のタイプをテストする。最先端のT5モデルはZESTで12%のスコアを達成し,NLP研究者にとって大きな課題を残すことを見出した。【JST・京大機械翻訳】
