基于分片的学习：一种在关键数据分片中进行残差学习的编程模型

Sep, 2019

基于分片的学习：一种在关键数据分片中进行残差学习的编程模型

Slice-based Learning: A Programming Model for Residual Learning in Critical Data Slices

Vincent S. Chen, Sen Wu, Zhenzhen Weng, Alexander Ratner, Christopher Ré

TL;DR本文提出了基于切片的学习方法，通过划分关键数据子集和引入注意力机制来针对性地提高机器学习模型在关键数据子集上的性能表现。在跨越语言理解、计算机视觉和生产规模工业系统的数据集上，该方法在保持参数有效性的同时，在切片和总体 F1-score 上分别提高 19.0 和 4.6 个百分点。

Abstract

In real-world machine learning applications, data subsets correspond to especially critical outcomes: vulnerable cyclist detections are safety-critical in an autonomous driving task, and "question" sentences might be important to a dialogue agent's language understanding for product pu

machine learning slice-based learning critical data subsets slice-level performance attention mechanism

发现论文，激发创造

切片感知神经排名

本文介绍了针对 IR 任务，如何通过错误分析来提高神经排序模型的效果。针对难以处理的实例，我们使用基于切片的学习来提高模型的效果，实验表明这种方法能够提高神经排名模型的效率 2% 左右。

Oct, 2020

支持弹性推理的复杂分析的模型切片成本和资源限制

本文提出一种称为模型切片的算法，通过将模型分割成多个组，使其能够在既定的计算资源预算内动态地提供预测结果，从而在有效地支持按需工作负载的基础上实现弹性推理成本。

Apr, 2019

模型性能低的位置在哪里？对切片发现算法的人类评估

机器学习中的 slice discovery algorithm 对于模型表现下降等问题提供了一种新方法，相关的使用者研究表明这种方法比 naïve baseline 更好，但是在假设形成的环节上仍然存在挑战，因此在设计和评估新的工具时需要关注使用者。

Jun, 2023

基于大数据和人工智能的模型验证自动数据切片方法

该研究提出了一个交互式框架 Slice Finder，使用统计技术找到可解释的子集去诊断模型的问题，应用包括识别模型公平性和欺诈检测等。

Jul, 2018

使用切片知识的对话系统应对长尾查询

本文探讨了基于切片学习的方法来提高基础对话路由系统的性能，通过定义一组标签函数来生成针对尾部意图的弱监督数据，并将基线模型延伸至切片感知的体系结构，以监视和提高对选定尾部意图的模型性能。应用于商业对话 AI 系统中的非身份识别实时数据，实验结果显示，切片感知模型有助于提高尾部意图的模型性能同时保持整体性能。

Apr, 2021

VLSlice: 交互式视觉与语言切片发现

这篇论文介绍了 VLSlice，一个交互式系统，使用户能够引导性地发现与一致的视觉语言行为相关的连贯表征层次的子群体，称为视觉语言切片，从无标签的图像集中。我们展示了 VLSlice 在用户研究中（n=22）能够快速生成多样高一致性的切片，并公开发布该工具。

Sep, 2023

Slice Tuner：一种用于准确和公平机器学习模型的选择性数据采集框架

本文提出了利用切片优化数据采集的方法 Slice Tuner，通过维护学习曲线并使用凸优化来选择不同切片的数据量，以便在保证准确性和公平性的同时优化模型。在使用众包数据采集的真实数据集上评估了 Slice Tuner，并证明了其显著优于传统基线算法。

Mar, 2020

自然语言处理的自动切片检测框架：发现、解释、改进

本文介绍了一种 “发现，解释，改进” 的框架，以系统研究片段检测模型在自然语言处理中的量化评估，准确发现高错误率的数据点，提高模型性能。

Nov, 2022

利用注意力混合学习切片感知表示

本文利用混合注意力的方法扩展了 slice-based learning (SBL)，学习了切片感知的双重关注模型，实验证明这种方法在监测切片上比基准方法和原始 SBL 方法表现更好。

Jun, 2021

数据编程：快速创建大规模训练集

为解决有限数据训练集的问题，本研究提出一种名为 Data Programming 的范式，通过弱监督策略和领域启发式标注函数生成训练集，以生成模型表示训练集的标注过程并降噪，探讨数据编程在监督学习中的应用及在 TAC-KBP 数据集上的检测等实验与研究。

May, 2016