Iglika Stoupak
2024
Trois méthodes Sorbonne et SNCF pour la résolution de QCM (DEFT2024)
Tom Rousseau
|
Marceau Hernandez
|
Iglika Stoupak
|
Angelo Mendoca-Manhoso
|
Andrea Blivet
|
Chang Liu
|
Toufik Boubehbiz
|
Corina Chuteaux
|
Gaël Guibon
|
Gaël Lejeune
|
Luce Lefeuvre
Actes du D{\'e}fi Fouille de Textes@TALN 2024
Cet article décrit la participation de l’équipe Sorbonne-SNCF au Défi Fouille de Textes 2024, se concentrant sur la correction automatique de QCM en langue française. Le corpus, constitué de questions de pharmacologie, a été reformulé en assertions. Nous avons employé des techniques avancées de traitement du langage naturel pour traiter les réponses. Trois approches principales, Nachos_LLM, TTGV_byfusion, et TTGV_ollama_multilabel, sont présentées avec des scores EMR respectifs de 2.94, 4.19 et 1.68. Les résultats obtenus montrent des niveaux de précision différents, en soulignant les limites des approches multi-étiquettes. Des suggestions d’amélioration incluent l’ajustement des modèles de langage et des critères de classification.
Search
Co-authors
- Tom Rousseau 1
- Marceau Hernandez 1
- Angelo Mendoca-Manhoso 1
- Andréa Blivet 1
- Chang Liu 1
- show all...