关于自然语言推理中假设仅偏置的对抗性去除
计算与语言
2019-07-11 v1
摘要
流行的自然语言推理（NLI）数据集已被证明受到假设仅偏置的污染。对抗学习可帮助模型忽略数据中的敏感偏置与伪相关。我们评估对抗学习是否可用于 NLI 以鼓励模型学习无假设仅偏置的表示。我们的分析表明，通过对抗学习学到的表示可能偏置更小，且仅在 NLI 准确率上有微小下降。
引用
@article{arxiv.1907.04389,
title = {On Adversarial Removal of Hypothesis-only Bias in Natural Language Inference},
author = {Yonatan Belinkov and Adam Poliak and Stuart M. Shieber and Benjamin Van Durme and Alexander M. Rush},
journal= {arXiv preprint arXiv:1907.04389},
year = {2019}
}
备注
StarSem 2019 - The Eighth Joint Conference on Lexical and Computational Semantics