@inproceedings{okat-etal-2024-flan,
title = "Flan-T5 avec ou sans contexte, telle est la question {\`a} choix multiples",
author = "Okat, Elias and
Brochelard, Hugo and
Sini, Aghilas and
Renault, Val{\'e}rie and
Camelin, Nathalie",
editor = "Dufour, Richard and
Favre, Benoit and
Rouvier, Mickael and
Bazoge, Adrien and
Labrak, Yanis",
booktitle = "Actes du D{\'e}fi Fouille de Textes@TALN 2024",
month = "7",
year = "2024",
address = "Toulouse, France",
publisher = "ATALA and AFPC",
url = "https://aclanthology.org/2024.jeptalnrecital-deft.6",
pages = "58--69",
abstract = "Ce travail pr{\'e}sente les syst{\`e}mes d{\'e}velopp{\'e}s par l{'}{\'e}quipe LIUM-CREN pour l{'}atelier DEFT 2024. Nous avons particip{\'e} {\`a} la t{\^a}che principale qui vise {\`a} inf{\'e}rer automatiquement les r{\'e}ponses correctes {\`a} des questions {\`a} choix multiples dans le domaine m{\'e}dical en utilisant le corpus FrenchMedMCQA. Nous avons soumis trois approches : (a) explorer l{'}espace de plongements afin de mettre en {\'e}vidence les liens {\'e}ventuels entre les questions et les r{\'e}ponses associ{\'e}es ; (b) utiliser la capacit{\'e} de g{\'e}n{\'e}ration des mod{\`e}les Text-To-Text tels que Flan-T5-Large pour g{\'e}n{\'e}rer les r{\'e}ponses correctes ; et (c) mettre en place une technique basique de Retrieval Augmented Generation (RAG) afin de fournir du contexte sp{\'e}cifique au mod{\`e}le g{\'e}n{\'e}ratif Flan-T5-Large. Cet article vise {\`a} rapporter les r{\'e}sultats que nous avons obtenus et {\`a} {\'e}tudier l{'}impact du contexte sur la capacit{\'e} du Flan-T5 {\`a} inf{\'e}rer les r{\'e}ponses correctes.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="okat-etal-2024-flan">
<titleInfo>
<title>Flan-T5 avec ou sans contexte, telle est la question à choix multiples</title>
</titleInfo>
<name type="personal">
<namePart type="given">Elias</namePart>
<namePart type="family">Okat</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Hugo</namePart>
<namePart type="family">Brochelard</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Aghilas</namePart>
<namePart type="family">Sini</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Valérie</namePart>
<namePart type="family">Renault</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Nathalie</namePart>
<namePart type="family">Camelin</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2024-07</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">French</languageTerm>
<languageTerm type="code" authority="iso639-2b">fre</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes du Défi Fouille de Textes@TALN 2024</title>
</titleInfo>
<name type="personal">
<namePart type="given">Richard</namePart>
<namePart type="family">Dufour</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Benoit</namePart>
<namePart type="family">Favre</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Mickael</namePart>
<namePart type="family">Rouvier</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Adrien</namePart>
<namePart type="family">Bazoge</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Yanis</namePart>
<namePart type="family">Labrak</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA and AFPC</publisher>
<place>
<placeTerm type="text">Toulouse, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Ce travail présente les systèmes développés par l’équipe LIUM-CREN pour l’atelier DEFT 2024. Nous avons participé à la tâche principale qui vise à inférer automatiquement les réponses correctes à des questions à choix multiples dans le domaine médical en utilisant le corpus FrenchMedMCQA. Nous avons soumis trois approches : (a) explorer l’espace de plongements afin de mettre en évidence les liens éventuels entre les questions et les réponses associées ; (b) utiliser la capacité de génération des modèles Text-To-Text tels que Flan-T5-Large pour générer les réponses correctes ; et (c) mettre en place une technique basique de Retrieval Augmented Generation (RAG) afin de fournir du contexte spécifique au modèle génératif Flan-T5-Large. Cet article vise à rapporter les résultats que nous avons obtenus et à étudier l’impact du contexte sur la capacité du Flan-T5 à inférer les réponses correctes.</abstract>
<identifier type="citekey">okat-etal-2024-flan</identifier>
<location>
<url>https://aclanthology.org/2024.jeptalnrecital-deft.6</url>
</location>
<part>
<date>2024-7</date>
<extent unit="page">
<start>58</start>
<end>69</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Flan-T5 avec ou sans contexte, telle est la question à choix multiples
%A Okat, Elias
%A Brochelard, Hugo
%A Sini, Aghilas
%A Renault, Valérie
%A Camelin, Nathalie
%Y Dufour, Richard
%Y Favre, Benoit
%Y Rouvier, Mickael
%Y Bazoge, Adrien
%Y Labrak, Yanis
%S Actes du Défi Fouille de Textes@TALN 2024
%D 2024
%8 July
%I ATALA and AFPC
%C Toulouse, France
%G French
%F okat-etal-2024-flan
%X Ce travail présente les systèmes développés par l’équipe LIUM-CREN pour l’atelier DEFT 2024. Nous avons participé à la tâche principale qui vise à inférer automatiquement les réponses correctes à des questions à choix multiples dans le domaine médical en utilisant le corpus FrenchMedMCQA. Nous avons soumis trois approches : (a) explorer l’espace de plongements afin de mettre en évidence les liens éventuels entre les questions et les réponses associées ; (b) utiliser la capacité de génération des modèles Text-To-Text tels que Flan-T5-Large pour générer les réponses correctes ; et (c) mettre en place une technique basique de Retrieval Augmented Generation (RAG) afin de fournir du contexte spécifique au modèle génératif Flan-T5-Large. Cet article vise à rapporter les résultats que nous avons obtenus et à étudier l’impact du contexte sur la capacité du Flan-T5 à inférer les réponses correctes.
%U https://aclanthology.org/2024.jeptalnrecital-deft.6
%P 58-69
Markdown (Informal)
[Flan-T5 avec ou sans contexte, telle est la question à choix multiples](https://aclanthology.org/2024.jeptalnrecital-deft.6) (Okat et al., JEP/TALN/RECITAL 2024)
ACL