研究人员开发了一种新颖的方法来分解主观自然语言处理（NLP）任务中的不确定性，特别是情感分类。该方法结合了循环随机梯度马尔可夫链蒙特卡洛（cSG-MCMC）和软标签学习，并利用了冻结的RoBERTa模型。与蒙特卡洛Dropout和Deep Ensemble等现有技术相比，该方法在GoEmotions基准测试中表现出优越的性能，在发散到标注者分布和选择性预测指标等多个评估轴上均取得了更好的结果。 AI
影响 引入了一种提高主观NLP任务中不确定性估计的新颖技术，有望带来更可靠的情感分类模型。
排序理由 该集群包含一篇详细介绍NLP任务新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →