面向神经机器翻译的掩码对抗生成
计算与语言
2021-09-02 v1 人工智能
摘要
攻击神经机器翻译模型本质上是在离散序列上的组合任务，通过近似启发式方法求解。多数方法利用梯度在每个样本上独立地攻击模型。与其机械地应用梯度，我们能否学习生成有意义的对抗攻击？与现有方法不同，我们通过训练基于语言模型的对抗生成器来学习攻击模型。我们提出掩码对抗生成（MAG）模型，该模型在训练过程中学习扰动翻译模型。实验表明，它提升了机器翻译模型的鲁棒性，同时比竞争方法更快。
引用
@article{arxiv.2109.00417,
title = {Masked Adversarial Generation for Neural Machine Translation},
author = {Badr Youbi Idrissi and Stéphane Clinchant},
journal= {arXiv preprint arXiv:2109.00417},
year = {2021}
}
备注
5 pages