A framework for evaluating and explaining the robustness of NLP models
评估和解释 NLP 模型稳健性的框架
基本信息
- 批准号:EP/X04162X/1
- 负责人:
- 金额:$ 40.55万
- 依托单位:
- 依托单位国家:英国
- 项目类别:Research Grant
- 财政年份:2024
- 资助国家:英国
- 起止时间:2024 至 无数据
- 项目状态:未结题
- 来源:
- 关键词:
项目摘要
The standard practice for evaluating the generalisation of supervised machine learning models in NLP tasks is to use previously unseen (i.e. held-out) data and report the performance on it using various metrics such as accuracy. Whilst metrics reported on held-out data summarise a model's performance, ultimately these results represent aggregate statistics on benchmarks and do not reflect the nuances in model behaviour and robustness when applied in real-world systems.We propose a robustness evaluation framework for NLP models concerned with arguments and facts, which encompasses explanations for robustness failures to support systematic and efficient evaluation. We will develop novel methods for simulating real-world texts stemming from existing datasets, to help evaluate the stability and consistency of models when deployed in the wild. The simulation methods will be used to challenge NLP models through text-based transformations and distribution shifts on datasets as well as on data sub-sets that capture linguistic patterns, to provide a systematic coverage of real-world linguistic phenomena. Furthermore, our framework will shed insights into a model's robustness by generating explanations for robustness failures along the lexical, morphological, and syntactic dimensions, extracted from the various dataset simulations and data sub-sets, thus departing from current approaches that solely provide a metric to quantify robustness. We will focus on two NLP research areas, argument mining and fact verification, however, several simulation methods and the robustness explanations are also scalable to other NLP tasks.
评估 NLP 任务中监督机器学习模型泛化的标准做法是使用以前未见过的(即保留的)数据,并使用各种指标(例如准确性)报告其性能。虽然对保留数据报告的指标总结了模型的性能,但最终这些结果代表了基准的汇总统计数据,并不能反映在实际系统中应用时模型行为和鲁棒性的细微差别。我们为相关 NLP 模型提出了一个鲁棒性评估框架包含论据和事实,其中包括对鲁棒性失败的解释,以支持系统和有效的评估。我们将开发新的方法来模拟来自现有数据集的现实世界文本,以帮助评估模型在野外部署时的稳定性和一致性。模拟方法将用于通过基于文本的转换和数据集以及捕获语言模式的数据子集的分布变化来挑战 NLP 模型,以提供对现实世界语言现象的系统覆盖。此外,我们的框架将通过从各种数据集模拟和数据子集中提取的词汇、形态和句法维度生成对鲁棒性失败的解释,从而深入了解模型的鲁棒性,从而偏离当前仅提供度量的方法量化稳健性。我们将重点关注两个 NLP 研究领域,即论证挖掘和事实验证,但是,一些模拟方法和鲁棒性解释也可以扩展到其他 NLP 任务。
项目成果
期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
数据更新时间:{{ journalArticles.updateTime }}
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
Oana Cocarascu其他文献
Oana Cocarascu的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
相似国自然基金
面向儿童语言能力评估的可解释的叙事能力自动评价方法研究
- 批准号:62277031
- 批准年份:2022
- 资助金额:54 万元
- 项目类别:面上项目
中间汇率制度为何长期存在:经验识别、理论解释与政策评估
- 批准号:72173074
- 批准年份:2021
- 资助金额:49 万元
- 项目类别:面上项目
基于深度学习的中小企业可解释信用评估关键技术研究
- 批准号:
- 批准年份:2021
- 资助金额:30 万元
- 项目类别:青年科学基金项目
基于可解释全景深度学习模型的非小细胞肺癌放射免疫相关肺炎的风险评估
- 批准号:
- 批准年份:2021
- 资助金额:55 万元
- 项目类别:面上项目
基于新型可解释深度学习模型的淋巴瘤分型分期诊断、疗效评估和生存预测系统
- 批准号:81974276
- 批准年份:2019
- 资助金额:55 万元
- 项目类别:面上项目
相似海外基金
Collaborative Research: Bubble Trouble - Re-evaluating olivine melt inclusion barometry and trace-element geochemistry in the Cascades
合作研究:气泡麻烦 - 重新评估喀斯喀特橄榄石熔体包裹体气压和微量元素地球化学
- 批准号:
2342155 - 财政年份:2024
- 资助金额:
$ 40.55万 - 项目类别:
Standard Grant
Collaborative Research: Bubble Trouble - Re-evaluating olivine melt inclusion barometry and trace-element geochemistry in the Cascades
合作研究:气泡麻烦 - 重新评估喀斯喀特橄榄石熔体包裹体气压和微量元素地球化学
- 批准号:
2342156 - 财政年份:2024
- 资助金额:
$ 40.55万 - 项目类别:
Standard Grant
CAREER: Evaluating Cooperative Intelligence in Connected Communities
职业:评估互联社区中的合作智能
- 批准号:
2339497 - 财政年份:2024
- 资助金额:
$ 40.55万 - 项目类别:
Continuing Grant
A Novel Surrogate Framework for evaluating THM Properties of Bentonite
评估膨润土 THM 性能的新型替代框架
- 批准号:
DP240102053 - 财政年份:2024
- 资助金额:
$ 40.55万 - 项目类别:
Discovery Projects
Evaluating the Impact and Efficiency of Engineering the Ocean to Remove CO2
评估海洋工程去除二氧化碳的影响和效率
- 批准号:
DE240100115 - 财政年份:2024
- 资助金额:
$ 40.55万 - 项目类别:
Discovery Early Career Researcher Award