counterfactually augmented data | BriefGPT

关键词counterfactually augmented data

搜索结果 - 8

ACLPairCFR：通过对比学习增强对配对因果增强数据模型训练
通过对已有数据样本进行最小且充分的修改以改变其标签，Counterfactually Augmented Data (CAD) 创建新的数据样本。与 CAD 训练可以增强模型对与标签相关的偶然特征的鲁棒性相比，最新的研究表明，通过 CAD
PDF25 days ago
EMNLP零样本跨语言情感分类在分布偏移下的探索性研究
通过实验发现多语言模型存在在未知领域的过度拟合问题，在跨语言迁移的设置下，语言和领域的差异对测试结果产生了影响；进一步提出两种新的方法来解决这个问题，通过利用最新大型语言模型避免昂贵的标注过程，通过对 13 种语言的测试集进行评估，结果表明
PDF8 months ago
EMNLP人类的编辑更好：评估 LLM 生成的反事实扩充数据对有害语言检测的有效性
NLP 模型在社交计算的各种重要任务中被使用，例如检测性别歧视、种族歧视或其他憎恨内容。因此，这些模型对于虚假特征的稳健性至关重要。过去的研究尝试使用训练数据增强来解决这些虚假特征问题，包括 Counterfactually Augment
PDF8 months ago
EMNLPAutoCAD: 生成对策让模型克服快捷学习
本文介绍了一个完全自动且任务不可知的 CAD 生成框架 AutoCAD，该框架结合分类器解析生成对抗数据，通过不太可能的训练生成多样性的对抗，从而系统提高了不同 NLU 任务的预训练模型在多个挑战基准测试中的翻译能力。
PDF2 years ago
ACL透过对抗事实数据消除性别歧视和仇恨言论检测中的偏差
研究结论表明：使用 CAD 的模型在面对一些难以处理的数据集时，由于对核心元素进行扰动引入了模型偏见，甚至比原始数据训练的模型误报率更高。使用多样化的 CAD (既有构造驱动又有用于基础特征不变的 CAD) 可以减少此类意外偏差。
PDF2 years ago
关系分类生成对抗样本的自动化方法
本文提出了一种从以实体为中心的视角生成相关对照数据的方法，通过在句法和语义依赖图中利用两个基本的拓扑性质，即中心性和最短路径来识别和干预实体的语境因果特征，从而使得深度神经模型更加稳健。
PDF2 years ago
EMNLP计数事实增益数据如何影响社交计算构造模型？
研究如何提高自然语言处理模型的稳健性，发现使用对抗性生成数据可以降低模型在错误特征上的依赖，从而提高模型在领域外的泛化性能。
PDF3 years ago
ICLR解释反事实增强数据的功效
本文提出了一种基于因果模型的玩具模型，探讨了因果模型、测量噪声、跨领域泛化以及对虚假信号的依赖之间的有趣关系，并以大规模经验研究为基础，比较了用于创建 CAD 的跨度与关注区域和显著性图所选跨度之间的差异，发现对于 CAD，研究中提出的假说
PDF4 years ago