DebCSE：从去偏见的角度重新思考无监督对比句嵌入学习
原文中文，约300字，阅读约需1分钟。发表于：。本文研究了对比学习中存在的偏见问题，提出了一种名为 DebCSE 的新型对比框架，通过逆倾向加权抽样方法选择高质量的正负样本对，以消除各种偏见的影响，从而提高句子嵌入的质量。在语义文本相似性基准测试中，DebCSE 的平均 Spearman 相关系数为 80.33%，显著优于最新的最先进模型。
本文介绍了一种名为InfoCSE的无监督句子嵌入学习框架，通过掩蔽语言模型任务和特殊的网络设计来聚合句子信息。在语义文本相似性任务上，该框架表现超越了SimCSE，成为无监督句子表示学习方法中的最新成果。
