低リソースステレオタイプ検出のための強化誘導マルチタスク学習フレームワーク【JST・京大機械翻訳】

Pujari Rajkumar; Oveson Erik; Kulkarni Priyanka; Nouri Elnaz

プレプリント

J-GLOBAL ID：202202218293266581 整理番号：22P0310999

低リソースステレオタイプ検出のための強化誘導マルチタスク学習フレームワーク【JST・京大機械翻訳】

Reinforcement Guided Multi-Task Learning Framework for Low-Resource Stereotype Detection

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03月27日プレプリントサーバーでの情報更新日： 2022年03月27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)

教師なし方法で大量のデータで訓練された大きな事前訓練言語モデル(PLM)がよりユビキタスになるので,テキストにおける様々なタイプのバイアスを同定することは,鋭い焦点になった。既存の「Stereotype検出」データセットは,主に大きなPLM.Blodgett et.al(2021a)に対する診断アプローチを採用しており,既存のベンチマークデータセットと有意な信頼性問題が存在することを示す。信頼できるデータセットの注釈付けは,立体型がテキストにおいてどのように現れるかの微妙な知識の正確な理解を必要とする。本論文では,テキストにおいて立体型が出現する様々な方法の解体により,それらの落とし穴に対処する「Stereotype検出」のための集中評価集合を注釈付けした。さらに,「Stereotype検出」に関する経験的性能を改善するために,ヘート音声検出,攻撃的言語検出,誤動作検出などのデータ豊富な隣接タスクの豊度を利用するマルチタスクモデルを提示する。次に,ターゲットタスクを最も支援する隣接タスクから訓練例を同定するために学習によりマルチタスク学習モデルをガイドする強化学習エージェントを提案した。提案モデルは,すべてのタスクに関して既存の基準線に対して有意な経験的利得を達成することを示した。【JST・京大機械翻訳】

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

人工知能

, , , , ,

前のページに戻る