论文标题
tttttackling winogrande schemas
TTTTTackling WinoGrande Schemas
论文作者
论文摘要
我们通过将每个示例分解为两个输入文本字符串，每个示例包含一个假设，并使用分配给“ Intailment”代币作为假设的分数来应对两个输入文本字符串，将每个示例分解为两个输入文本字符串，将每个示例分解为两个输入文本字符串，将每个示例分解为两个输入文本字符串，将每个示例分解为两个输入文本字符串，将T5序列对序列模型应用于AI2 Winogrande挑战来应对AI2 Winogrande挑战，以应对AI2 Winogrande挑战，以应对AI2 Winogrande挑战，我们应用了T5序列模型。我们的第一次（也是唯一）提交给官方排行榜的提交在2020年3月13日产生了0.7673 AUC，这是此时最著名的结果，并击败了先前的艺术状况超过5分。
We applied the T5 sequence-to-sequence model to tackle the AI2 WinoGrande Challenge by decomposing each example into two input text strings, each containing a hypothesis, and using the probabilities assigned to the "entailment" token as a score of the hypothesis. Our first (and only) submission to the official leaderboard yielded 0.7673 AUC on March 13, 2020, which is the best known result at this time and beats the previous state of the art by over five points.
