ŠTEFÁNIK, Michal. Methods for Estimating and Improving Robustness of Language Models. Online. In Proceedings of the 2022 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies: Student Research Workshop. Seattle, Washington + Online: Association for Computational Linguistics, 2022, s. 44-51. ISBN 978-1-7138-5621-4. Dostupné z: https://dx.doi.org/10.18653/v1/2022.naacl-srw.6.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Methods for Estimating and Improving Robustness of Language Models.
Autoři ŠTEFÁNIK, Michal (703 Slovensko, garant, domácí).
Vydání Seattle, Washington + Online, Proceedings of the 2022 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies: Student Research Workshop, od s. 44-51, 8 s. 2022.
Nakladatel Association for Computational Linguistics
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Spojené státy
Utajení není předmětem státního či obchodního tajemství
Forma vydání elektronická verze "online"
WWW URL
Kód RIV RIV/00216224:14330/22:00126309
Organizační jednotka Fakulta informatiky
ISBN 978-1-7138-5621-4
Doi http://dx.doi.org/10.18653/v1/2022.naacl-srw.6
UT WoS 000860760300006
Klíčová slova anglicky natural language processing; transformers; robustness; generalization
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: RNDr. Pavel Šmerk, Ph.D., učo 3880. Změněno: 6. 4. 2023 12:36.
Anotace
Despite their outstanding performance, large language models (LLMs) suffer notorious flaws related to their preference for shallow textual relations over full semantic complexity of the problem. This proposal investigates a common denominator of this problem in their weak ability to generalise outside of the training domain. We survey diverse research directions providing estimations of model generalisation ability and find that incorporating some of these measures in the training objectives leads to enhanced distributional robustness of neural models. Based on these findings, we present future research directions enhancing the robustness of LLMs.
Návaznosti
MUNI/A/1195/2021, interní kód MUNázev: Aplikovaný výzkum v oblastech vyhledávání, analýz a vizualizací rozsáhlých dat, zpracování přirozeného jazyka a aplikované umělé inteligence
Investor: Masarykova univerzita, Aplikovaný výzkum v oblastech vyhledávání, analýz a vizualizací rozsáhlých dat, zpracování přirozeného jazyka a aplikované umělé inteligence
VytisknoutZobrazeno: 19. 7. 2024 12:25