基于表格语言模型的主动学习

尽管表格语言模型研究近期取得进展，真实世界应用仍具挑战性。工业界存在大量存于电子表格中的表格，但获取大量标注代价高昂，因为往往只有专家能标注这些高度技术性与领域特定的表格。主动学习或有潜力降低标注成本，然而迄今尚无关于主动学习与表格语言模型结合的工作。本文中，我们在一个真实世界工业表格语言模型用例中研究不同的采集函数，用于子单元格命名实体识别。结果显示，具有内建多样性的单元格级采集函数可显著减少标注工作量，而强制的表格多样性则有害。我们进一步看到有关计算效率与人类标注者视角方面开放的 fundamental 问题。