마스터 피드백

많은 court들이 상대적으로 와닿았다..

두번째 발표.. 인상깊었다 !

• 자세하게 피드백주고 싶어서 말을해보자면

1. approach 방법론을 펼친 것

2. 잘 안됬던 이유는.. 정답을 보고 정답이 포함된 내용에 underlying해주면.. 정답인 것을 아는 상태에서.. 학습떄는 들어가는데 inference 때는 그게 가능하지 않으니까.. 안좋았을 것 같다..

   괜찮은 가설이었던 것 같다

3. curricularm learning 더 나은 방법으로 접근하면.. 확률값을 보는 방법..! logits 높은 순서... 말고 겹치는것을 보는것도 괜찮았던 것 같다 !

4. 최종적 앙상블.. 평균이 잘됬다는 것은.. 학습 데이터에 overfit 이 됬던 것 같다

세번째 발표

• tokenize에 신경쓴게 더 잘했다고 생각 !

  subword말고 tokenization.. 전처리 하는 것.. 잘한듯

1. EL이 잘됬던 이유 ? 데이터를 많이 타긴 함 ! DPR : natural questions에 실험을 많이 했고.. squad 쪽에서는 주요 실험이 아니었다..

   korquard : squard와 비슷하기에.. 이게 더 잘한다..! EL에 적합한 데이터.. 이기 때문에 ..!

   데이터가 많이 없었기 때문에.. augmentation

   answer score 방식 변경한 것도.. Logit 두개 더하는 거랑 확률을 곱하는 거랑 다름..! 이게 둘 다 해봐서.. 좋은거를 고르는게 맞는듯..?

   데이터가 작기 때문에.. data augmentation에.. 집중..

   데이터가 작아서 DPR이 안먹어쓸 수도 있었다고 생각함 !

갖춰야할 역량..?

가기 전과 가서..?

가서 잘하는 것은 abuse함..

면접을 잘 볼 수 있는 방법으로는 몇가지 있음..!