关于自临界序列训练中序列结束符清晰性的呼吁
计算机视觉与模式识别
2023-12-27 v1
摘要
图像描述（Image Captioning）研究领域当前因自临界序列训练（Self-Critical Sequence Training）中序列结束符（<Eos>）缺乏透明度和认知而受到影响。若省略 <Eos> 符，模型可利用琐碎的句子片段将其性能提升多达 +4.1 CIDEr-D。尽管该现象对已有工作的公平评估与比较构成障碍，但由于研究的竞争性，参与新项目的人员不得不在较低分数与不尽人意的描述之间艰难抉择。本文旨在通过提高对该问题本身的认知来解决此问题。具体而言，我们邀请未来工作在名为 SacreEOS 的库辅助下共享一个简单且信息丰富的签名。代码见 \emph{\href{https://github.com/jchenghu/sacreeos}{https://github.com/jchenghu/sacreeos}}
引用
@article{arxiv.2305.12254,
title = {A request for clarity over the End of Sequence token in the Self-Critical Sequence Training},
author = {Jia Cheng Hu and Roberto Cavicchioli and Alessandro Capotondi},
journal= {arXiv preprint arXiv:2305.12254},
year = {2023}
}