本文主要是介绍考验AI对代词的理解力，解读艾伦AI研究所公布的数据集“QUOREF”，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
图片出处：DeepMind
人们在写作时，经常会用到 “他、她、它” 之类的代词，指代前文中出现的某个实体。段落和文章越长，代词出现的频率就越高。
这个现象在非结构化语言中广泛存在。有时候，一句话中甚至可能会出现好几个 “它”，分别指代不同的实体。
对于人类而言，只要稍加练习，就可以凭借对上下文和句子的理解找出代词的映射对象。然而对于人工智能（AI）模型来说，这个任务就十分困难了，因为它很难联系上下文，尤其是跨度较长的文章。
反过来说，能否准确搜索、追踪、分析代词与实体之间的关联，对于 AI 能否准确理解文本内容至关重要。
这种能力又被称为共指消解（Conference Resolution），是自然语言处理（NLP）领域的重要研究课题，指的是通过追踪长句、段落、文章中的代词，找到其对应的指代对象或内容。
虽然目前有很多体量庞大的众包数据集，但它们主要考察模型理解局部语义及谓词参数结构上，涉及共指消解的问题很少见。从考察阅读能力的角度看，这些数据缺少了关键的模型评估维度。
针对这一问题，艾伦 AI 研究所的研究团队最近公布了一个新的众包数据集，名为 QUOREF，里面包含超过 2400 个广度选择问题，旨在专门考察模型的共指消解能力。想要回答问题，模型需要分析来自维基百科的 4700 个英文段落，从中找到各个实体的指代对象。
QUOREF 的构建</
这篇关于考验AI对代词的理解力，解读艾伦AI研究所公布的数据集“QUOREF”的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
