cómodamente

• Descripción :

Common Sense Explanations (CoS-E) permite que los modelos de lenguaje de entrenamiento generen automáticamente explicaciones que se pueden usar durante el entrenamiento y la inferencia en un nuevo marco de Commonsense Auto-Generated Explanation (CAGE).

• Documentación adicional : Explore en Papers With Code

• Página de inicio: https://github.com/salesforce/cos-e

• Código fuente : tfds.text.CosE

• Versiones :

  • 0.0.1 (predeterminado): Sin notas de la versión.

• Tamaño de la descarga : 6.23 MiB

• Tamaño del conjunto de datos : 3.89 MiB

• Almacenamiento automático en caché ( documentación ): Sí

• Divisiones :

Separar	Ejemplos
'train'	9,741
'validation'	1,221

• Estructura de características :

FeaturesDict({
    'abstractive_explanation': Text(shape=(), dtype=string),
    'answer': Text(shape=(), dtype=string),
    'choices': Sequence(Text(shape=(), dtype=string)),
    'extractive_explanation': Text(shape=(), dtype=string),
    'id': Text(shape=(), dtype=string),
    'question': Text(shape=(), dtype=string),
})

• Documentación de características :

Rasgo	Clase	Forma	Tipo D	Descripción
	CaracterísticasDict
explicación_abstractiva	Texto		cuerda
responder	Texto		cuerda
opciones	Secuencia (Texto)	(Ninguna,)	cuerda
extractive_explanation	Texto		cuerda
identificación	Texto		cuerda
pregunta	Texto		cuerda

• Claves supervisadas (Ver as_supervised doc ): None

• Figura ( tfds.show_examples ): no compatible.

• Ejemplos ( tfds.as_dataframe ):

• Cita :

@inproceedings{rajani2019explain,
     title = "Explain Yourself! Leveraging Language models for Commonsense Reasoning",
    author = "Rajani, Nazneen Fatema  and
      McCann, Bryan  and
      Xiong, Caiming  and
      Socher, Richard",
      year="2019",
    booktitle = "Proceedings of the 2019 Conference of the Association for Computational Linguistics (ACL2019)",
    url ="https://arxiv.org/abs/1906.02361"
}