Participation d'EDF R&D au défi DEFT 2023 : réponses automatiques à des questionnaires à choix multiples à l'aide de « Larges Modèles de Langue » - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Participation d'EDF R&D au défi DEFT 2023 : réponses automatiques à des questionnaires à choix multiples à l'aide de « Larges Modèles de Langue »

Meryl Bothua
  • Fonction : Auteur
  • PersonId : 1072397
Leila Hassani
  • Fonction : Auteur
  • PersonId : 1262710
Marie Jubault
Philippe Suignard

Résumé

Ce papier présente la participation d'EDF R&D à la campagne d'évaluation DEFT 2023. Notre équipe a participé à la tâche de réponse automatique à des questions à choix multiples issus d'annales d'examens en pharmacie en français. Le corpus utilisé est FrenchMedMCQA. Nous avons testé des Large Language Models pour générer des réponses. Notre équipe s'est classée A COMPLETER.
Fichier principal
Vignette du fichier
479183.pdf (178.8 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-04131577 , version 1 (20-06-2023)

Identifiants

  • HAL Id : hal-04131577 , version 1

Citer

Meryl Bothua, Leila Hassani, Marie Jubault, Philippe Suignard. Participation d'EDF R&D au défi DEFT 2023 : réponses automatiques à des questionnaires à choix multiples à l'aide de « Larges Modèles de Langue ». 18e Conférence en Recherche d'Information et Applications -- 16e Rencontres Jeunes Chercheurs en RI -- 30e Conférence sur le Traitement Automatique des Langues Naturelles -- 25e Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues, 2023, Paris, France. pp.39-45. ⟨hal-04131577⟩

Collections

EDF TALN-RECITAL
31 Consultations
10 Téléchargements

Partager

Gmail Facebook X LinkedIn More