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.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