自然语言生成中的不确定性：从理论到应用
计算与语言
2023-07-31 v1 人工智能
机器学习
摘要
强大的语言模型的最新进展使得自然语言生成（NLG）成为一种重要技术，它不仅能够执行摘要或翻译等传统任务，还可以作为各种应用的自然语言接口。因此，NLG系统必须值得信赖且可靠，例如通过指示其可能出错的时候，以及支持多种观点、背景和写作风格——反映多样化的人类子群体。在本文中，我们认为对不确定性的原则性处理有助于创建更符合这些目标的系统和评估协议。我们首先提出表示不确定性所需的基础理论、框架和词汇。然后我们从语言学角度刻画NLG中不确定性的主要来源，并提出一个比流行的偶然性/认知性二分法更具信息量和忠实度的二维分类法。最后，我们从理论转向应用，并强调利用不确定性来驱动解码、可控生成、自我评估、选择性回答、主动学习等令人兴奋的研究方向。
引用
@article{arxiv.2307.15703,
title = {Uncertainty in Natural Language Generation: From Theory to Applications},
author = {Joris Baan and Nico Daheim and Evgenia Ilia and Dennis Ulmer and Haau-Sing Li and Raquel Fernández and Barbara Plank and Rico Sennrich and Chrysoula Zerva and Wilker Aziz},
journal= {arXiv preprint arXiv:2307.15703},
year = {2023}
}