あなたのバックのためのより多くのバング:ロバストな質問応答のための自然摂動【JST・京大機械翻訳】

Khashabi Daniel; Khot Tushar; Sabharwal Ashish

プレプリント

J-GLOBAL ID：202202206331902316 整理番号：22P0133370

あなたのバックのためのより多くのバング:ロバストな質問応答のための自然摂動【JST・京大機械翻訳】

More Bang for Your Buck: Natural Perturbation for Robust Question Answering

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 (3件)： , ,
資料名：
発行年： 2020年04月09日プレプリントサーバーでの情報更新日： 2020年10月06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)

最近のモデルは多くのNLPデータセットで人間レベルのスコアを達成したが,それらは入力の小さな変化にかなり敏感であることを観察した。完全に新しい事例の訓練セットを構築することによってこの問題に対処する標準アプローチに代わるものとして,著者らは,用例の最少摂動を通してそうすることを提案した。特に,この手法は,まず,一組のシード例を収集し,次に,人間駆動自然摂動(ルールベースマシン摂動とは対照的に)を適用して,しばしば金ラベルを変化させる。局所摂動は,完全に新しい事例を書き出すよりも,比較的容易(従ってより安い)の利点を有する。この現象の影響を評価するため,最近の質問-回答データセット(BooleQ)を考察し,摂動コスト比,既存の質問を摂動する相対コスト,およびスクラッチから新しいものを生成する相対的コストの関数として,著者らのアプローチの利点を研究した。著者らは,自然摂動が創造するのに適度に安価である場合,それらを用いて訓練モデルを訓練することはより効果的であることを見出した:そのようなモデルはより高いロバスト性とより良い一般化を示し,一方,元のBooleQデータセットに関する性能を保持した。【JST・京大機械翻訳】

, , ,
, , 【Automatic Indexing@JST】

分子の電子構造

, , ,

前のページに戻る