ਨੌਲੇਜ ਬੱਡੀ: ਤੁਹਾਡਾ ਅਕਾਦਮਿਕ ਸਾਥੀ

Embibe ਵਿਖੇ, ਅਸੀਂ ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਸਿੱਖਣ ਯਾਤਰਾ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਣ ਲਈ ਵਚਨਬੱਧ ਹਾਂ। ਨੌਲੇਜ ਬੱਡੀ ਇੱਕ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਚੈਟਬੋਟ ਹੈ ਜੋ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਸਵਾਲ ਜਵਾਬ ਅਤੇ ਸ਼ੱਕ ਦੇ ਹੱਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਉਹਨਾਂ ਦੀਆਂ ਸਿੱਖਿਆਵਾਂ ਨੂੰ ਸੋਧਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਬਣਾਇਆ ਗਿਆ ਹੈ।

ਸਪਸ਼ਟ ਡੋਮੇਨ ਨੌਲੇਜ ਆਟੋ ਸਵਾਲ ਪੈਦਾ ਕਰਨ ਅਤੇ ਜਵਾਬ ਦੇਣ ਲਈ ਡੂੰਘੇ ਸਿਖਲਾਈ ਮਾਡਲਾਂ ਨੂੰ ਪੂਰਕ ਕਰਨ ਦੀ ਕੁੰਜੀ ਹੈ। ਐਮੀਬੀਬ ਦਾ ਨੌਲੇਜ ਗ੍ਰਾਫ ਸਮੱਗਰੀ ਦੀ ਖੁਫੀਆ ਜਾਣਕਾਰੀ ਦੀ ਰੀੜ੍ਹ ਦੀ ਹੱਡੀ ਹੈ, ਇਸ ਵਿੱਚ ਇੱਕ ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਸਬੰਧਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਹਜ਼ਾਰਾਂ ਸੰਕਲਪਾਂ ਅਤੇ ਯੋਗਤਾਵਾਂ ਆਪਸ ਵਿੱਚ ਜੁੜੀਆਂ ਹੋਈਆਂ ਹਨ।

ਨੌਲੇਜ ਬੱਡੀ ਗੱਲਬਾਤ ਵਾਲੀ ਨਕਲੀ ਬੁੱਧੀ ਅਤੇ ਅਤਿ-ਆਧੁਨਿਕ ਭਾਸ਼ਾ ਅਤੇ ਵਿਜ਼ਨ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਣਾਇਆ ਗਿਆ ਹੈ। ਇਹ ਬੁੱਧੀਮਾਨ ਗੱਲਬਾਤ ਬਣਾਉਣ ਲਈ ਇਹਨਾਂ ਡੂੰਘੇ ਸਿੱਖਣ ਦੇ ਮਾਡਲਾਂ ਵਿੱਚ ਅਕਾਦਮਿਕ ਨੌਲੇਜ ਗ੍ਰਾਫਾਂ ਤੋਂ ਨੌਲੇਜ ਸੰਦਰਭ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ।

ਨੌਲੇਜ ਬੱਡੀ ਹੇਠ ਲਿਖੀਆਂ ਯੋਗਤਾਵਾਂ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ:

1. ਵਿਦਿਆਰਥੀ ਦੇ ਸਿੱਖਣ ਦੇ ਨਤੀਜਿਆਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਵਿਦਿਆਰਥੀ ਦੇ ਸਿੱਖਣ ਦੇ ਇਤਿਹਾਸ ਦੇ ਆਧਾਰ ‘ਤੇ ਸਵੈ-ਤਿਆਰ ਕਰਦਾ ਹੈ ਅਤੇ ਸਵਾਲ ਪੁੱਛਦਾ ਹੈ।
2. ਵਿਦਿਆਰਥੀ ਦੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦਿੰਦਾ ਹੈ ਜਦੋਂ ਵਿਦਿਆਰਥੀ ਸਿੱਖਣ ਦੀ ਸਮੱਗਰੀ ਨਾਲ ਜੁੜਦਾ ਹੈ।
3. ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਤਰਜੀਹੀ ਸਥਾਨਕ ਭਾਸ਼ਾ ਵਿੱਚ ਸਵਾਲਾਂ ਅਤੇ ਜਵਾਬਾਂ ਦਾ ਸਵੈਚਲਿਤ ਅਨੁਵਾਦ ਕਰੋ।

ਨੌਲੇਜ ਬੱਡੀ ਦੀਆਂ ਯੋਗਤਾਵਾਂ ਦੀਆਂ ਉਦਾਹਰਨਾਂ ਚਿੱਤਰ 1 ਵਿੱਚ ਦਿਖਾਈਆਂ ਗਈਆਂ ਹਨ।

1. ਪ੍ਰਸ਼ਨ ਉਤਪਤੀ (QG)

ਸਵੈਚਲਿਤ ਤੌਰ ‘ਤੇ ਸਵਾਲ ਪੈਦਾ ਕਰਨ ਦੀ ਯੋਗਤਾ ਵਿਦਿਆਰਥੀਆਂ ਨਾਲ ਜੁੜਨ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਸੰਕਲਪਾਂ ਦੀ ਮੁਹਾਰਤ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਦਾ ਮੌਕਾ ਲਿਆ ਸਕਦੀ ਹੈ। ਅਸੀਂ T5, UniLM, ਆਦਿ ਵਰਗੇ ਅਤਿ-ਆਧੁਨਿਕ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਦਾ ਵਿਸਤਾਰ ਕੀਤਾ ਹੈ, ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਉਪਲਬਧ ਖੋਜ ਡੇਟਾਸੇਟਾਂ ਜਿਵੇਂ ARC, DROP, QASC, SciQ, SciTail, SQUAD, HotpotQA, ਆਦਿ ਅਤੇ Embibe ਦੀ ਮਲਕੀਅਤ ਵਾਲੇ ਡੇਟਾਸੇਟਾਂ ‘ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਹੈ। ਅਸੀਂ ਬੂਲੀਅਨ, ਸਪੈਨ-ਅਧਾਰਿਤ, ਖਾਲੀ ਥਾਂ ਭਰਨ, ਬਹੁ-ਚੋਣ ਵਾਲੇ ਪ੍ਰਸ਼ਨ, ਆਦਿ ਵਰਗੇ ਕਈ ਕਿਸਮਾਂ ਦੇ ਪ੍ਰਸ਼ਨਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਾਂ। ਅਸੀਂ KI-BERT [3] ਵਰਗੇ ਆਰਕੀਟੈਕਚਰ ਦੇ ਨਾਲ ਅਕਾਦਮਿਕ ਨੌਲੇਜ ਗ੍ਰਾਫਾਂ ਤੋਂ ਨੌਲੇਜ ਦੇ ਨਿਵੇਸ਼ ਦਾ ਲਾਭ ਲੈਂਦੇ ਹਾਂ। ਅਸੀਂ ਇਹ ਵੀ ਯਕੀਨੀ ਬਣਾਉਂਦੇ ਹਾਂ ਕਿ ਨੌਲੇਜ ਗ੍ਰਾਫ [4][6][7] ਨਾਲ ਵਧਾਉਣ ਦੀ ਮਦਦ ਨਾਲ ਮਾਡਲ ਬਿਹਤਰ ਵਿਆਖਿਆਯੋਗ ਅਤੇ ਵਿਆਖਿਆਯੋਗ ਹਨ। ਸਾਡੇ ਮਾਡਲ ਇਕਾਈ ਜਾਗਰੂਕ ਧਿਆਨ ਵਿਧੀ ਦੀ ਮਦਦ ਨਾਲ ਮਲਟੀ-ਹੌਪ ਸਵਾਲ ਵੀ ਤਿਆਰ ਕਰਦੇ ਹਨ। ਪ੍ਰਸ਼ਨ ਉਤਪੱਤੀ ਮਾਡਲ ਸਿੱਖਣ ਦੇ ਸੰਦਰਭ ਨੂੰ ਇਨਪੁਟ ਦੇ ਤੌਰ ‘ਤੇ ਲੈਂਦਾ ਹੈ, ਇੱਛਤ ਪ੍ਰਸ਼ਨ ਕਿਸਮ ਲਈ ਪ੍ਰੋਂਪਟ, ਅਤੇ ਹੋਰ ਪ੍ਰਸ਼ਨ ਕਿਸਮ ਖਾਸ ਮੈਟਾਡੇਟਾ ਨੂੰ ਇਨਪੁਟ ਵਜੋਂ ਲੈਂਦਾ ਹੈ। ਅਸੀਂ ਸਵਾਲ ਪੈਦਾ ਕਰਨ ਲਈ ਬੀਮ ਖੋਜ ਅਤੇ ਨਿਊਕਲੀਅਸ ਨਮੂਨਾ ਲੈਣ ਦੇ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ।

2. ਸਵਾਲ ਜਵਾਬ (QA)

ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਸਿੱਖਣ ਦੀ ਯਾਤਰਾ ਉਦੋਂ ਸਕਾਰਾਤਮਕ ਤੌਰ ‘ਤੇ ਪ੍ਰਭਾਵਤ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਉਹਨਾਂ ਕੋਲ ਇੱਕ ਅਚਾਨਕ ਸਵਾਲ ਜਵਾਬ ਦੇਣ ਦੀ ਸਮਰੱਥਾ ਹੁੰਦੀ ਹੈ। ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਸਿੱਖਣ ਦੀ ਗਤੀਵਿਧੀ ਉਦੋਂ ਪ੍ਰਭਾਵੀ ਹੋਵੇਗੀ ਜਦੋਂ ਉਹਨਾਂ ਦੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਜਿਵੇਂ ਅਤੇ ਜਦੋਂ ਉਹ ਉੱਠਦੇ ਹਨ। ਨੌਲੇਜ ਬੱਡੀ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਕੋਈ ਵੀ ਸਵਾਲ ਪੁੱਛਣ ਦੀ ਤਾਕਤ ਦਿੰਦਾ ਹੈ, ਜਿਸਦਾ ਜਵਾਬ ਪ੍ਰਸ਼ਨ ਉੱਤਰ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਦਿੱਤਾ ਜਾਵੇਗਾ। ਸਵਾਲ ਜਵਾਬ ਦੇਣ ਵਾਲੇ ਮਾਡਲਾਂ ਨੂੰ ਪੂਰਵ-ਸਿਖਿਅਤ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਜਿਵੇਂ ਕਿ T5, UniLM ਆਦਿ ਦਾ ਲਾਭ ਉਠਾ ਕੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਪਿਛਲੇ ਭਾਗਾਂ ਵਿੱਚ ਜ਼ਿਕਰ ਕੀਤੇ ਖੋਜ ਡੇਟਾਸੈਟਾਂ, ਅਤੇ Embibe ਦੀ ਮਲਕੀਅਤ ਵਾਲੇ ਡੇਟਾਸੇਟਾਂ ਨੂੰ ਵਧੀਆ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ। ਉਪਭੋਗਤਾ ਵੱਖ-ਵੱਖ ਸੰਦਰਭ-ਕਿਸਮਾਂ ਤੋਂ ਸਵਾਲ ਪੁੱਛ ਸਕਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਚੁਣਿਆ ਟੈਕਸਟ, ਇੱਕ ਅਧਿਆਇ, ਇੱਕ ਕਿਤਾਬ, ਜਾਂ ਇੱਕ ਪਾਠਕ੍ਰਮ। ਸਾਡੀ ਪ੍ਰਸ਼ਨ ਉੱਤਰ ਪ੍ਰਣਾਲੀ ਸੰਘਣੀ ਵੈਕਟਰ ਅਰਥ-ਵਿਗਿਆਨਕ ਸਮਾਨਤਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸੰਦਰਭ-ਕਿਸਮਾਂ ਦੇ ਅਧਾਰ ਤੇ ਸੰਬੰਧਿਤ ਸੰਦਰਭ ਦੀ ਚੋਣ ਕਰਦੀ ਹੈ ਅਤੇ ਉੱਤਰ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਇੱਕ ਪ੍ਰਸ਼ਨ ਉੱਤਰ ਮਾਡਲ ਦੀ ਮੰਗ ਕਰਦੀ ਹੈ। ਫੀਡਬੈਕ ਲੂਪ ਲਗਾਤਾਰ ਸਾਡੇ ਮਾਡਲ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰੇਗਾ। ਸਾਡਾ ਸਵਾਲ ਜਵਾਬ ਦੇਣ ਵਾਲਾ ਮਾਡਲ ਇੰਨਾ ਉੱਨਤ ਹੈ ਕਿ ਇਹ NEET ਪ੍ਰਵੇਸ਼ ਪ੍ਰੀਖਿਆ ਨੂੰ ਆਟੋ-ਕ੍ਰੈਕ ਕਰ ਸਕਦਾ ਹੈ।

3. ਸਥਾਨਕ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਅਨੁਵਾਦ (VT)

ਨੌਲੇਜ ਬੱਡੀ ਕਈ ਭਾਸ਼ਾਵਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ ਦੀਆਂ ਤਰਜੀਹਾਂ ਦੇ ਆਧਾਰ ‘ਤੇ ਪੂਰੀ ਗੱਲਬਾਤ ਕਿਸੇ ਵੀ ਸਥਾਨਕ ਭਾਸ਼ਾ ਵਿੱਚ ਹੋ ਸਕਦੀ ਹੈ। ਇਹ ਕਿਸੇ ਵੀ ਪੂਰਵ-ਪ੍ਰਭਾਸ਼ਿਤ ਭਾਸ਼ਾ ਵਿੱਚ ਸਵੈ-ਤਿਆਰ ਕੀਤੇ ਸਵਾਲ ਪੁੱਛ ਸਕਦਾ ਹੈ, ਅਤੇ ਇਹ ਉਸੇ ਭਾਸ਼ਾ ਵਿੱਚ ਜਵਾਬਾਂ ਦਾ ਮੁਲਾਂਕਣ ਵੀ ਕਰ ਸਕਦਾ ਹੈ। ਅਸੀਂ ਨੇਟਿਵ ਤੌਰ ‘ਤੇ ਵਿਕਸਤ NMT ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ ਜੋ ਆਮ ਅਨੁਵਾਦ ਲਈ ਹੋਰ ਆਫ-ਦੀ-ਸ਼ੈਲਫ ਮੋਡਾਂ ਨੂੰ ਪਛਾੜਦਾ ਹੈ। ਵਰਤਮਾਨ ਵਿੱਚ, ਅਸੀਂ ਚੈਟਬੋਟ ਵਿੱਚ 11 ਭਾਰਤੀ ਭਾਸ਼ਾਵਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਾਂ, ਜਿਸ ਵਿੱਚ ਹਿੰਦੀ, ਗੁਜਰਾਤੀ, ਮਰਾਠੀ, ਤਾਮਿਲ, ਤੇਲਗੂ, ਬੰਗਾਲੀ, ਕੰਨੜ, ਅਸਾਮੀ, ਉੜੀਆ, ਪੰਜਾਬੀ ਅਤੇ ਮਲਿਆਲਮ ਸ਼ਾਮਲ ਹਨ। ਅਕਾਦਮਿਕ ਡੋਮੇਨ ਵਿਸ਼ੇਸ਼ਤਾ ਦੇ ਕਾਰਨ ਸਾਡੇ ਮੂਲ ਰੂਪ ਵਿੱਚ ਵਿਕਸਤ ਮਾਡਲ Google ਅਨੁਵਾਦ ਵਰਗੇ ਤੀਜੀ ਧਿਰ API ਨੂੰ ਪਛਾੜਦੇ ਹਨ।

ਅਸੀਂ ਸਾਰਣੀ 1 ਵਿੱਚ ਕੁਝ ਉਦਾਹਰਣਾਂ ਦੇਖ ਸਕਦੇ ਹਾਂ ਜਿੱਥੇ ਸਾਡਾ ਅਨੁਵਾਦ ਗੂਗਲ ਅਨੁਵਾਦ ਨਾਲੋਂ ਬਿਹਤਰ ਹੈ:

English	Google translation	NMT translation
which of the following law was given by Einstein:	ਆਇਨਸਟਾਈਨ ਦੁਆਰਾ ਹੇਠ ਲਿਖਿਆਂ ਵਿੱਚੋਂ ਕਿਹੜਾ ਕਾਨੂੰਨ ਦਿੱਤਾ ਗਿਆ ਸੀ:	ਆਇਨਸਟਾਈਨ ਦੁਆਰਾ ਹੇਠ ਲਿਖਿਆਂ ਵਿੱਚੋਂ ਕਿਹੜਾ ਨਿਯਮ ਦਿੱਤਾ ਗਿਆ ਸੀ:
which one of the following is not alkaline earth metal?	ਹੇਠ ਲਿਖੀਆਂ ਵਿੱਚੋਂ ਕਿਹੜੀ ਧਰਤੀ ਖਾਰੀ ਧਾਤ ਨਹੀਂ ਹੈ?	ਹੇਠ ਲਿਖੀਆਂ ਵਿੱਚੋਂ ਕਿਹੜੀ ਮਿੱਟੀ ਖਾਰੀ ਧਾਤ ਨਹੀਂ ਹੈ?
Endogenous antigens are produced by intra-cellular bacteria within a host cell.	ਐਂਡੋਜੇਨਸ ਐਂਟੀਜੇਨਜ਼ ਮੇਜ਼ਬਾਨ ਸੈੱਲ ਦੇ ਅੰਦਰ ਇੰਟਰਾ-ਸੈਲੂਲਰ ਬੈਕਟੀਰੀਆ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।	ਐਂਡੋਜੇਨਸ ਐਂਟੀਜੇਨਜ਼ ਪਰਪੋਸ਼ੀ ਸੈੱਲ ਦੇ ਅੰਦਰ ਅੰਤ: ਕੋਸ਼ਿਕ ਬੈਕਟੀਰੀਆ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।

ਸਾਰਣੀ 1: Embibe ਦੀਆਂ ਅਨੁਵਾਦ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਵਾਲੀਆਂ ਉਦਾਹਰਨਾਂ ਹਨ।

ਸੰਖੇਪ ਵਿੱਚ, ਸੰਵਾਦਪੂਰਨ AI ਚੈਟਬੋਟ ਨੌਲੇਜ ਬੱਡੀ ਸਿੱਖਣ ਦੇ ਨਤੀਜੇ ਪ੍ਰਦਾਨ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਕੇ ਵਿਦਿਆਰਥੀ ਦੀ ਸਿੱਖਣ ਯਾਤਰਾ ਨੂੰ ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਹਰ ਸਿੱਖਣ ਦੇ ਸੈਸ਼ਨ ਤੋਂ ਬਾਅਦ ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ, ਜਿੱਥੇ ਵਿਦਿਆਰਥੀ ਆਪਣੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਸਵਾਲ ਪੁੱਛ ਸਕਦੇ ਹਨ, ਆਪਣੇ ਸ਼ੰਕਿਆਂ ਦਾ ਹੱਲ ਕਰ ਸਕਦੇ ਹਨ। ਨੌਲੇਜ ਬੱਡੀ ਸਾਡੇ NLU ਪਲੇਟਫਾਰਮ ਮੇਧਾਸ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਹੈ, ਜੋ ਕਿ ਡੋਮੇਨ ਨੌਲੇਜ ਦੀ ਪ੍ਰੇਰਣਾ, ਵਿਆਖਿਆਯੋਗਤਾ ਅਤੇ ਵਿਆਖਿਆਯੋਗਤਾ ਨੂੰ ਮੂਲ ਅੰਤਰੀਵ ਸਿਧਾਂਤਾਂ [3][4][6][7][8] ਵਜੋਂ ਲਿਆਉਂਦਾ ਹੈ।

ਹਵਾਲੇ:

[1] ਰਾਫੇਲ, ਕੋਲਿਨ, ਨੋਮ ਸ਼ੇਜ਼ੀਰ, ਐਡਮ ਰੌਬਰਟਸ, ਕੈਥਰੀਨ ਲੀ, ਸ਼ਰਨ ਨਾਰੰਗ, ਮਾਈਕਲ ਮਾਟੇਨਾ, ਯਾਂਕੀ ਝੂ, ਵੇਈ ਲੀ, ਅਤੇ ਪੀਟਰ ਜੇ. ਲਿਊ। “ਇੱਕ ਯੂਨੀਫਾਈਡ ਟੈਕਸਟ-ਟੂ-ਟੈਕਸਟ ਟ੍ਰਾਂਸਫਾਰਮਰ ਨਾਲ ਟਰਾਂਸਫਰ ਸਿਖਲਾਈ ਦੀਆਂ ਸੀਮਾਵਾਂ ਦੀ ਪੜਚੋਲ ਕਰਨਾ।” arXiv ਪ੍ਰੀਪ੍ਰਿੰਟ arXiv:1910.10683 (2019)।

[2] ਡੋਂਗ, ਲੀ, ਨੈਨ ਯਾਂਗ, ਵੇਨਹੂਈ ਵਾਂਗ, ਫੁਰੂ ਵੇਈ, ਜ਼ਿਆਓਡੋਂਗ ਲਿਊ, ਯੂ ਵੈਂਗ, ਜਿਆਨਫੇਂਗ ਗਾਓ, ਮਿੰਗ ਝੂ, ਅਤੇ ਹਸੀਓ-ਵੁਏਨ ਹੋਨ। “ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਦੀ ਸਮਝ ਅਤੇ ਪੀੜ੍ਹੀ ਲਈ ਯੂਨੀਫਾਈਡ ਭਾਸ਼ਾ ਮਾਡਲ ਪ੍ਰੀ-ਟ੍ਰੇਨਿੰਗ।” arXiv ਪ੍ਰੀਪ੍ਰਿੰਟ arXiv:1905.03197 (2019)।

[3] ਫਲਦੂ, ਕੀਯੂਰ, ਅਮਿਤ ਸ਼ੇਠ, ਪ੍ਰਸ਼ਾਂਤ ਕਿਕਾਨੀ, ਅਤੇ ਹੇਮਾਂਗ ਅਕਬਰੀ। “KI-BERT: ਬਿਹਤਰ ਭਾਸ਼ਾ ਅਤੇ ਡੋਮੇਨ ਸਮਝ ਲਈ ਨੌਲੇਜ ਸੰਦਰਭ ਨੂੰ ਭਰਨਾ।” arXiv ਪ੍ਰੀਪ੍ਰਿੰਟ arXiv:2104.08145 (2021)।

[4] ਗੌੜ, ਮਾਨਸ, ਕੀਯੂਰ ਫਲਦੂ, ਅਤੇ ਅਮਿਤ ਸੇਠ। “ਬਲੈਕ-ਬਾਕਸ ਦੇ ਅਰਥ ਵਿਗਿਆਨ: ਕੀ ਨੌਲੇਜ ਗ੍ਰਾਫ਼ ਡੂੰਘੇ ਸਿਖਲਾਈ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਵਧੇਰੇ ਵਿਆਖਿਆਯੋਗ ਅਤੇ ਵਿਆਖਿਆਯੋਗ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ?।” IEEE ਇੰਟਰਨੈਟ ਕੰਪਿਊਟਿੰਗ 25, ਨੰ. 1 (2021): 51-59.

[5] ਝੂ, ਫੇਂਗਬਿਨ, ਵੇਨਕਿਯਾਂਗ ਲੇਈ, ਚਾਓ ਵਾਂਗ, ਜਿਆਨਮਿੰਗ ਜ਼ੇਂਗ, ਸੌਜਾਨਿਆ ਪੋਰੀਆ, ਅਤੇ ਟੈਟ-ਸੇਂਗ ਚੂਆ। “ਮੁੜ ਪ੍ਰਾਪਤ ਕਰਨਾ ਅਤੇ ਪੜ੍ਹਨਾ: ਓਪਨ-ਡੋਮੇਨ ਸਵਾਲ ਜਵਾਬ ਦੇਣ ਲਈ ਇੱਕ ਵਿਆਪਕ ਸਰਵੇਖਣ।” arXiv ਪ੍ਰੀਪ੍ਰਿੰਟ arXiv:2101.00774 (2021)।

[6] ਗੌੜ, ਮਾਨਸ, ਅੰਕਿਤ ਦੇਸਾਈ, ਕੇਯੂਰ ਫਲਦੂ, ਅਤੇ ਅਮਿਤ ਸ਼ੇਠ। “ਨੌਲੇਜ ਗ੍ਰਾਫ਼ਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਵਿਆਖਿਆਯੋਗ AI।” ACM CoDS-COMAD ਕਾਨਫਰੰਸ ਵਿੱਚ। 2020।

[7] ਸ਼ੇਠ, ਅਮਿਤ, ਮਾਨਸ ਗੌੜ, ਕੌਸ਼ਿਕ ਰਾਏ, ਅਤੇ ਕੀਯੂਰ ਫਲਦੂ। “ਸਮਝਾਉਣਯੋਗ AI ਲਈ ਗਿਆਨ-ਅਧੀਨ ਭਾਸ਼ਾ ਦੀ ਸਮਝ।” IEEE ਇੰਟਰਨੈਟ ਕੰਪਿਊਟਿੰਗ 25, ਨੰ. 5 (2021): 19-24.

[8] “[ਟਿਊਟੋਰਿਅਲ] ਨੌਲੇਜ ਗ੍ਰਾਫਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਵਿਆਖਿਆਯੋਗ AI”, YouTube, ACM SIGKDD ਇੰਡੀਆ ਚੈਪਟਰ, ਜਨਵਰੀ 2021, https://www.youtube.com/watch?v=f1sahXYDjRI[9] “#RAISE2020 – Embibe – ਵਿਅਕਤੀਗਤ ਸਿੱਖਿਆ ਲਈ AI-ਪਾਵਰਡ ਲਰਨਿੰਗ ਨਤੀਜੇ ਪਲੇਟਫਾਰਮ”, MyGov ਇੰਡੀਆ, ਅਕਤੂਬਰ 2020, https://www.youtube.com/watch?v=kuwFtHgN3qU

← AI ਹੋਮ 'ਤੇ ਵਾਪਸ ਜਾਓ