本研究利用大型语言模型生成对比集，解决了标准NLP基准中数据集伪影和虚假相关性的问题。结果显示，经过对比集微调后，模型在系统扰动示例上的表现显著增强，同时保持了标准测试的准确性，并提升了在新扰动上的泛化能力。

Enhancing NLP Robustness and Generalization through LLM-Generated Contrast Sets: A Scalable Framework for Systematic Evaluation and Adversarial Training
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证