ACLMar, 2021

将人类纳入自然语言处理环节：一项调查

PDF
TL;DR介绍了人与自然语言处理模型 (NLP) 的交互式 (HITL) 的短暂但激动人心的历史，总结了近期以任务、目标、人机交互和反馈学习方法为重点的各种 HITL NLP 框架，并讨论了将来在 NLP 开发中整合人类反馈的方向。
natural language processinghuman-in-the-loopmachine learninghuman-computer interactionfeedback
发现论文，激发创造
  • 人类参与的机器学习概述

    本文基于数据分析角度，对人机协同中的数据处理、模型训练和系统独立模式，进行了调查总结，分类整理，提供了自然语言处理、计算机视觉等多领域的技术优势 / 缺陷、挑战和机遇，提出了有效设计人机协同解决方案的思路。

    Aug, 2021

  • HEIDL: 用深度学习和人工参与学习语言表达

    本文介绍了一种名为 HEIDL 的新型人机交互机器学习系统，可以通过高水平的、可解释的语言表达式与人交互，从而提高人类在模型预测、理解以及更新方面的参与度，并且可以使得机器学习模型能够更好地应用于实际场景中。

    Jul, 2019

  • 提高人机协作系统的效率：将人工智能加入人类专家

    人工智能和机器学习在信息系统中发挥了重要作用，然而机器学习模型不完美并且可能产生错误分类。因此，本研究提出了一种混合系统，利用人工专家对难以分类的实例进行审核，并创造了人工专家来学习对之前由人工专家审核过的未知类别数据实例进行分类。实验证明，这种方法在图像分类的几个基准测试中优于传统的人机合作系统。

    Jul, 2023

  • 人机交互的机器创造力

    该研究探讨了在艺术创作中将人类专业知识与 AI 模型相结合，以实现更具表现力、细腻和多模态的生成作品的方法，并提出 Human-in-the-Loop 的设计，以增加人类与 AI 之间的互动，从而帮助未来的 AI 系统更好地理解我们自己的创造和情感过程。

    Oct, 2021

  • 弥合断层：自然语言生成中融入（人类）反馈的调查

    本文对利用人类反馈来提高自然语言生成的研究进行了综述。通过介绍反馈的形式和目标，讨论了直接使用反馈或训练反馈模型两种方法在训练和解码过程中的应用。此外，我们还探讨了与反馈收集相关的现有数据集和问题，并提供了人工智能反馈领域的概述。

    May, 2023

  • 交互式自然语言处理

    该论文对 iNLP 的定义、分类、评估方法、应用和未来研究方向进行了综合性调查，旨在为研究人员提供广泛的视野和工具，以促进与人类、知识库、模型和环境的交互、交流和合作。

    May, 2023

  • 人机互动机器学习征求人员反馈会降低用户信任和对模型准确性的印象

    通过一个模拟物体检测系统的实验，我们研究了交互反馈对用户对智能系统及其准确性理解的影响，结果表明提供循环反馈降低了参与者对系统的信任和其对系统准确性的感知，这凸显了在设计智能系统时考虑用户反馈对用户信任的影响的重要性。

    Aug, 2020

  • 系统层面的自然语言反馈

    本文提出了一种通用框架，利用自然语言反馈来解锁系统级反馈的用处，并应用于搜索和对话系统的查询和响应生成中，本方法证明了系统级反馈与实例级反馈的结合带来了更多的收益，并强调了人类反馈对系统构建的重要性。

    Jun, 2023

  • HCI+NLP 系统设计和评估方法

    介绍了五种方法论提案，并将其位于 ML-based 的 NLP 模型的背景下，以在 HCI 和 NLP 交叉的位置上培育跨学科合作和进步。

    Feb, 2021

  • 一种透明的交互式机器学习方法，利用人工智能在 NP 难问题中找到解决方案

    本文介绍机器学习领域的交互式学习方法，通过实验展示了如何使用人机交互的方式将黑箱算法变为透明的算法，以提高算法的可信度和接受度，并探讨了交互式学习方法在健康信息学领域中的应用和优势。

    Aug, 2017