In questa Tesi, viene effettuato un fine-tuning su modelli LLM il task di generazione di testo in inglese e in italiano, partendo dal formalismo logico DRS in versione SBN. I modelli scelti per il fine-tuning sono T5,IT5,mT5 e byT5; verranno confrontate le loro performance nel task utilizzando come forma di valutazione, delle metriche automatiche. Ci si aspetta che i modelli preaddestrati unicamente su una lingua performino meglio di quelli preaddestrati su più lingue.

Fine-Tuning per la Generazione Neurale di Testo in Inglese/Italiano Usando il Formalismo Logico DRS(SBN)

VITALE, PIETRO
2022/2023

Abstract

In questa Tesi, viene effettuato un fine-tuning su modelli LLM il task di generazione di testo in inglese e in italiano, partendo dal formalismo logico DRS in versione SBN. I modelli scelti per il fine-tuning sono T5,IT5,mT5 e byT5; verranno confrontate le loro performance nel task utilizzando come forma di valutazione, delle metriche automatiche. Ci si aspetta che i modelli preaddestrati unicamente su una lingua performino meglio di quelli preaddestrati su più lingue.
ITA
IMPORT DA TESIONLINE
File in questo prodotto:
File Dimensione Formato  
1011241_tesi_vitale.pdf

non disponibili

Tipologia: Altro materiale allegato
Dimensione 1.84 MB
Formato Adobe PDF
1.84 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14240/144562