Penalizing Confident Predictions on Largely Perturbed Inputs Does Not Improve Out-of-Distribution Generalization in Question Answering

Penalizing Confident Predictions on Largely Perturbed Inputs Does Not Improve Out-of-Distribution Generalization in Question Answering
复制标题

惩罚对严重扰动输入的置信预测并不能改善问答中的分布外泛化

DOI:
--
复制
发表时间:
2022
期刊:
The AAAI-23 Workshop on Knowledge Augmented Methods for NLP (KnowledgeNLP)
影响因子:
--
通讯作者:
and Akiko Aizawa
and Akiko Aizawa
中科院分区:
--
文献类型:
--
作者:
Kazutoshi Shinoda;Saku Sugawara;and Akiko Aizawa

文献摘要

参考文献

相似文献

DOI: 10.18653/v1/2020.acl-main.408
发表时间: 2019-11
期刊: --
影响因子: --
作者:
Jay DeYoung;Sarthak Jain;Nazneen Rajani;Eric P. Lehman;Caiming Xiong;R. Socher;Byron C. Wallace
通讯作者: Jay DeYoung;Sarthak Jain;Nazneen Rajani;Eric P. Lehman;Caiming Xiong;R. Socher;Byron C. Wallace
模型从问答数据集中学到什么?
DOI: 10.18653/v1/2020.emnlp-main.190
发表时间: 2020
期刊: Scientific Reports
影响因子: 4.6
作者:
Priyanka Sen;Amir Saffari
通讯作者: Amir Saffari
更新的方法
DOI: --
发表时间: 2012
期刊:
影响因子: --
作者:
Fukuzawa;K.;Dannoura;M. and Shibata;H
通讯作者: H