面向属性增强生成的深度外推方法
机器学习
2021-10-27 v2 计算与语言
定量方法
摘要
在样本生成中，属性外推对于在训练分布之外运行的深度神经网络而言是一项挑战。我们提出了序列生成中一种外推的新任务，聚焦于自然语言与蛋白质，并提出了GENhance，一种通过学习的潜空间增强属性的生成框架。GENhance在电影评论和一个计算得到的蛋白质稳定性数据集上训练，能够生成强正向的文本评论和高度稳定的蛋白质序列，而在训练期间并未接触到类似数据。我们发布了我们的基准任务与模型，以推动生成建模外推以及生物学与化学中数据驱动设计的研究。
引用
@article{arxiv.2107.02968,
title = {Deep Extrapolation for Attribute-Enhanced Generation},
author = {Alvin Chan and Ali Madani and Ben Krause and Nikhil Naik},
journal= {arXiv preprint arXiv:2107.02968},
year = {2021}
}
备注
NeurIPS 2021