将专家反馈纳入模型更新的若干视角
机器学习
2022-07-19 v2
摘要
机器学习（ML）从业者正日益被要求开发符合非技术专家价值观与目标的模型。然而，关于从业者应如何将领域专业知识转化为 ML 更新的考量仍显不足。在本文中，我们思考如何系统地捕捉从业者与专家之间的交互。我们设计了一种分类法，将专家反馈类型与从业者更新相匹配。从业者可能在观测层或领域层收到专家反馈，并将此类反馈转化为对数据集、损失函数或参数空间的更新。我们回顾了来自 ML 与人机交互的现有工作以描述这一反馈—更新分类法，并强调在纳入非技术专家反馈方面考虑不足。最后，我们提出一组由所提分类法及后续综述自然产生的开放问题。
引用
@article{arxiv.2205.06905,
title = {Perspectives on Incorporating Expert Feedback into Model Updates},
author = {Valerie Chen and Umang Bhatt and Hoda Heidari and Adrian Weller and Ameet Talwalkar},
journal= {arXiv preprint arXiv:2205.06905},
year = {2022}
}