La compréhension automatique de documents et la génération de questions à partir de textes sont deux tâches "miroirs" du Traitement Automatique de la Langue. Traditionnellement traitées par des pipelines complexes basés sur des modèles très différents, recherche d'information pour les modèles de question/réponse et analyse syntaxique pour la génération de questions, elles ont récemment été unifiées depuis l'avènement des méthodes "end-to-end" basées sur des modèles de langage pré-entraînés. Ce type de modèles utilisés conjointement avec de grands corpus de triplets question/réponse/contexte tels que SQuAD peuvent être utilisés pour entraîner directement à la fois des modèles de traduction réponse-vers-question et des modèles d'étiquetage question-vers-réponse. Si les performances de ces modèles sont impressionnantes sur ces corpus de références, contenant généralement du texte issu de Wikipedia et des questions "simples" obtenues par crowdsourcing, la généralisation de ces modèles à des corpus contenant des textes plus complexes et à des questions moins littérales reste un défi. C'est dans ce cadre que nous proposons dans ce séminaire une étude portant à la fois sur un corpus "de laboratoire", aux conditions très contrôlés, appelé "CALOR" et permettant de tester certaines capacités de compréhension de ces modèles, mais aussi sur un corpus "réaliste" de ce que pourrait être une utilisation de modèles de MRQA pour une tâche d'exploration d'archives textuelles dans le cadre du projet ANR Archival.

Enregistrement : https://drive.google.com/file/d/1DJp2HVwC60JAUEo_cn0Dvy5HNexCLbHf/view?usp=share_link