基于遗传学的无锁定选择性理性化
机器学习
2025-05-28 v2 人工智能
计算与语言
神经与进化计算
摘要
选择性理性化的流行端到端架构是select-then-predict管线，包含用于提取高亮显示项的generator以及随之而来的predictor。由于一个模块的支配导致系统陷入亚最优平衡局部，导致这种合作系统受限于interlocking现象。虽然已有多项工作旨在解决interlocking问题，但仅能缓解其影响，常通过引入基于特征的启发式方法、采样和不成文正则化来实现。我们提出GenSPP，首个无需学习开销即可实现interlocking-free的选择性理性化架构。GenSPP通过遗传全局搜索实现generator和predictor的无交叉训练。在合成数据集和真实数据集上的实验表明，我们的模型在多个state-of-the-art竞争者方面表现出色。
引用
@article{arxiv.2412.10312,
title = {Interlocking-free Selective Rationalization Through Genetic-based Learning},
author = {Federico Ruggeri and Gaetano Signorelli},
journal= {arXiv preprint arXiv:2412.10312},
year = {2025}
}