抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,現在のMath Word問題(MWP)ベンチマークに関するモデルを評価するときの解決バイアスを再検討した。しかし,現在のソルバは,バイアスデータセットと不適切な訓練戦略によるデータバイアスと学習バイアスから成るバイアスを解決する。著者らの実験は,MWPソルバが,すべてのMWPの各々の問題ナラティブのための多様な質問をカバーしない偏った訓練データセットによって偏るのが簡単であり,このように,ソルバは,問題を理解するために,深い意味論よりむしろ浅い発見的方法だけを学ぶことができる。さらに,MWPは複数の等価方程式によって自然に解くことができ,一方,現在のデータセットは,グランドトルースとして等価方程式の1つだけを取り上げて,ラベル付けされたグランドトルースにマッチして,他の等価方程式を無視するようにモデルを強制する。ここでは,まず,収集したデータで接地した表現を変化させ,それらを手動で対応する複数の新しい質問で注釈付けすることにより構築される,Unbied MWPと名付けた新しいMWPデータセットを導入した。次に,学習バイアスをさらに緩和するために,動的ターゲット選択(DTS)戦略を提案し,現在のモデル出力と訓練中に交換則を適用することにより得られる候補等価方程式の間の最長プレフィックスマッチングに従って,より適切なターゲット表現を動的に選択する。結果は,著者らの非バイアスMWPが,元のデータおよび他のデータセットよりも著しく少ないバイアスを持ち,最近傍をマッチングするよりもソルバの推論スキルをかなり評価するための有望なベンチマークを提供することを示した。そして,著者らのDTSによって訓練されたソルバは,多重MWPベンチマークに関してより高い精度を達成した。ソースコードはhttps://github.com/yangzhch6/UnbiasedMWPで利用可能である。【JST・京大機械翻訳】