关注真实世界的扰动！机器阅读理解中的自然鲁棒性评估

本研究旨在解决当前机器阅读理解（MRC）模型在真实场景中的鲁棒性评估不足的问题。我们提出了一种框架，通过使用维基百科编辑历史中的文本扰动，自动评估模型在自然扰动下的表现。研究结果表明，最先进的模型在遇到自然扰动时性能下降，提示研究人员关注这种真实的扰动类型，并提出通过训练增强模型的鲁棒性的方法。