**已关闭。**此问题为not about programming or software development。目前不接受回答。

此问题似乎与a specific programming problem, a software algorithm, or software tools primarily used by programmers无关。如果您认为此问题与another Stack Exchange site的主题相关，可以发表评论，说明在何处可以回答此问题。
19小时前关闭
Improve this question的
我一直在对Keras的GPT-2实现进行微调，以用于问题回答。总体而言，结果似乎很有希望，但如果我包含非常相似的问题，我会看到问题。我看到的行为是模型会混淆，并对两个问题给出相同的答案。

import keras_nlp
import tensorflow as tf
import keras 
import json

    
    preprocessor = keras_nlp.models.GPT2CausalLMPreprocessor(
        sequence_length=128,
    )

    gpt2_lm = keras_nlp.models.GPT2CausalLM.from_preset(
        "gpt2_base_en", preprocessor=preprocessor
    )

    questionsWithAnswers = []
    ... // populate with several lines of text

    questionsWithAnswers.append("What is Joe's phone number? Joe's phone number is 555-555-5555")

    questionsWithAnswers.append("What is Mary's phone number? Mary's phone number is 444-444-4444")

    loss = keras.losses.SparseCategoricalCrossentropy(from_logits=True)
    
    gpt2_lm.compile(
        optimizer='Adam',
        loss=loss,
        weighted_metrics=["accuracy"],
    )

    gpt2_lm.fit(epochs=50, verbose=2, batch_size=2, x=questionsWithAnswers)
    output = gpt2_lm.generate("What is Joe's phone number?", max_length=200)

字符串
在上面的例子中，我可以问：“乔的电话号码是多少？”和“玛丽的电话号码是多少？"不幸的是，模型似乎只是选择其中一个答案，并为两个问题生成相同的回复。
我认为问题是问题之间的相似性，唯一的区别是人的名字。
如何教模型区分两个问题/答案？