arXiv · NLP· Paul K. Mandal·· 3 天前AI 评分27
全量数据优于模糊样本:重审抽取式对抗问答中的数据制图法
Ambiguous Examples Help, But Full Data Wins: Revisiting Dataset Cartography for Extractive Adversarial QA
AI 导读
重审发现,在抽取式对抗问答中,全量数据训练优于仅使用33%模糊样本的训练。模糊样本在14个模型评估单元中全部击败随机33%子集,但全量数据在12/14单元中击败模糊样本,平均领先3.40 EM和4.10 F1。这表明数据制图法有助于减少数据选择,但无法作为全量训练的通用替代方案。
来源:arXiv · NLP · arxiv.org