两篇新的arXiv论文探讨了自然语言处理(NLP)中“透视模型”的概念,这些模型旨在考虑人类标注者多样化的视角,而不是仅仅关注共识。第一篇论文由London Lowmanstone撰写,研究了算法性能如何随标注者一致性和响应率的变化而变化,发现算法在与他人一致性更高的标注者上通常表现更好。第二篇论文由Yinuo Xu撰写,对意识分歧的NLP方法进行了调查,对分歧的来源进行了分类,并回顾了建模方法和评估指标,同时还强调了该领域的开放性挑战。 AI
影响 这些论文为构建更鲁棒、更公平的NLP模型提出了新方向,通过明确考虑人类标注者的变异性。
排序理由 两篇发表在arXiv上的学术论文,讨论了NLP建模的新方法。
- alphaXiv
- arXiv
- CatalyzeX
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- London Lowmanstone
- natural language processing
- ScienceCast
- stance analysis
- Toxicity detection sensitive to conversational context
- Yinuo Xu
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →