Investigating Syntactic Enhancements in LLMs with Graph Convolutional Networks for Natural Language Inference

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F23%3ACRIUDF77" target="_blank" >RIV/00216208:11320/23:CRIUDF77 - isvavai.cz</a>

Výsledek na webu

<a href="https://studenttheses.uu.nl/handle/20.500.12932/44529" target="_blank" >https://studenttheses.uu.nl/handle/20.500.12932/44529</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Investigating Syntactic Enhancements in LLMs with Graph Convolutional Networks for Natural Language Inference

Popis výsledku v původním jazyce

"This Master’s Thesis presents an exploration of incorporating syntax treesninto pre-trained Large Language Models (LLMs) for the task of Natural Lan-nguage Inference (NLI)."

Název v anglickém jazyce

Investigating Syntactic Enhancements in LLMs with Graph Convolutional Networks for Natural Language Inference

Popis výsledku anglicky

"This Master’s Thesis presents an exploration of incorporating syntax treesninto pre-trained Large Language Models (LLMs) for the task of Natural Lan-nguage Inference (NLI)."

Druh

O - Ostatní výsledky

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

—

Rok uplatnění

2023

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů