調整すべきか否か?法的ケース含意のためのゼロショットモデル【JST・京大機械翻訳】

Rosa Guilherme Moraes; Rodrigues Ruan Chaves; Lotufo Roberto de Alencar; Nogueira Rodrigo

プレプリント

J-GLOBAL ID：202202201066456480 整理番号：22P0285732

調整すべきか否か?法的ケース含意のためのゼロショットモデル【JST・京大機械翻訳】

To Tune or Not To Tune? Zero-shot Models for Legal Case Entailment

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月07日プレプリントサーバーでの情報更新日： 2022年02月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

大規模で多様な教師つきデータセット上で微調整された事前訓練言語モデルは,様々なドメイン外タスクにうまく変換できるというエビデンスが増えている。本研究では,法的ドメインに対するこの移動能力を調べた。そのために,COLIEE 2021の法的事例の参加課題に参加し,ここでは,目標領域への適応なしにそのようなモデルを使用した。著者らの提出は,最高スコアを達成して,6パーセント以上のポイントによって,第2の最良チームを凌駕した。著者らの実験は,事前訓練された言語モデルの新しいパラダイムにおける反直感的な結果を確認して,限られたラベル付きデータを与えて,目標タスクに少しまたは全く適応しないモデルは,それに関して微調整されたモデルよりデータ分布における変化に対してロバストである。コードはhttps://github.com/neuralmind ai/colieeで利用可能である。【JST・京大機械翻訳】

, , , , , , ,
, , 【Automatic Indexing@JST】

人工知能 , パターン認識

, ,

前のページに戻る