Antwortspannen im Kontext finden
Start- und End-Token vorhersagen
Antwortspannen im Kontext finden ist eine kostenlose NLP Academy-Lektion auf CoddyKit. Dies ist Lektion 3 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des NLP Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der NLP Academy-Kurs umfasst insgesamt 4 Lektionen.
Das Span-Konzept
Im Hintergrund erzeugt extraktive QA niemals Text. Sie wählt einen Span aus: einen zusammenhängenden Ausschnitt des Kontexts, der durch seine Start- und Endposition definiert ist.
Zwei Zahlen vorhersagen
Die eigentliche Aufgabe des Modells besteht darin, zwei Positionen vorherzusagen: das Start-Token der Antwort und das End-Token. Der Ausschnitt dazwischen ist die Antwort.
Tokens statt Zeichen
Im Modell wird der Kontext in Tokens aufgeteilt, nicht in einzelne Zeichen. Start und Ende sind Token-Indizes, die wieder auf Zeichenpositionen abgebildet werden.
Ein Score pro Position
Für jedes Token gibt das Modell ein Start-Logit und ein End-Logit aus. Diese Scores geben an, wie wahrscheinlich es ist, dass ein Token die Antwort beginnt oder beendet.
Das beste Paar auswählen
Der ausgewählte Span ist das Start-Ende-Paar mit dem höchsten kombinierten Score. Dabei darf das Ende niemals vor dem Anfang liegen.
Mit Offsets ausschneiden
Die Pipeline gibt Zeichen-Offsets zurück, sodass Sie den ursprünglichen Kontext selbst ausschneiden und den exakten Antworttext erhalten können.
answer = context[result["start"]:result["end"]]Warum Offsets wichtig sind
Mit diesen Offsets können Sie die Antwort direkt in der Passage hervorheben. Das eignet sich hervorragend, um Nutzern zu zeigen, woher eine Information stammt.
Die Antwortlänge begrenzen
Mit max_answer_len können Sie festlegen, wie lang ein Span höchstens sein darf. So verhindern Sie, dass das Modell einen ganzen Satz als Antwort zurückgibt.
qa(question=q, context=c, max_answer_len=20)Mehrere Kandidaten erhalten
Setzen Sie top_k, um mehr als einen Span-Kandidaten zurückzugeben. Einige Optionen zu prüfen, hilft bei mehrdeutigen Antworten.
qa(question=q, context=c, top_k=3)Spans müssen zusammenhängend sein
Ein Span ist immer ein einziger zusammenhängender Textabschnitt. Extraktive QA kann keine Wörter aus verschiedenen Teilen der Passage zusammensetzen.
Spans ermöglichen Hervorhebungen
Da Antworten exakte Spans mit Offsets sind, können Sie sie direkt an ihrer Stelle hervorheben. So erhalten Nutzer für jede Antwort eine überprüfbare Quelle. 🔦
Kurze Überprüfung
Wie entscheidet das Modell, was die Antwort ist?
Rückblick
Das Modell sagt Start- und Endpositionen voraus, wählt das beste gültige Paar aus, und mit Offsets können Sie die exakte Antwort ausschneiden und hervorheben. 📌
Lerne Python mit einem KI-Tutor — kostenlos
Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.
- Kurse
- 30
- Lektionen
- 120
Häufig gestellte Fragen
Ist die Lektion „Antwortspannen im Kontext finden“ kostenlos?
Ja — der vollständige Text von „Antwortspannen im Kontext finden“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des NLP Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der NLP Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Antwortspannen im Kontext finden“?
Start- und End-Token vorhersagen Du übst NLP Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um NLP Academy zu starten?
Keine Vorkenntnisse erforderlich. NLP Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 3 von 4.
Wie lange dauert die Lektion „Antwortspannen im Kontext finden“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser NLP Academy-Lektion Code schreiben und ausführen?
Ja. Jede NLP Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Extraktive und generative QA
- Eine QA-Pipeline ausführen
- Antwortspannen im Kontext finden
- Keine Antwort und lange Dokumente behandeln