论文阅读-Towards Quantifiable Dialogue Coherence Evaluation

本文主要是介绍论文阅读-Towards Quantifiable Dialogue Coherence Evaluation,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

出处

背景

1. 现有的自动评价方式

 2. 本文出发点

模型

效果

1. 和其他自动评价指标相比

2. 采用不同的loss

3. GoodCase及BadCase


出处

中山大学2021年提出的评价指标训练框架QuantiDCE,输出一个分数来衡量对话连贯性。论文及开源代码

背景

连贯性可以很好很直观的评价对话效果。

1. 现有的自动评价方式

1. 大多自动评价指标都是照搬机器翻译的,比如基于词overlap的BLEU、ROUGE等。

2. 现在转向基于深度神经网络的自动指标,希望模型能自动学习连贯不连贯的情况,并具有一定的泛化能力。

        (1)比如2018年的RUBER、2019年的BERT-RUBER、2020年的GRADE(STOA)。这类指标从结果上看比BLEU在整体能给出更准确的评价。

        (2)这类模型结构上看,输入是context和Response,编码器(如RNN,transformer)来进行特征提取,最后接一个分数预测模块输出。在loss的选择上,常用的有CEL(交叉熵损失)和MRL(排序损失)。

        (3)将原始对话数据作为正样本,再用一些启发式策略为每一个正样本自动生成一个相应的负样本。采用无监督的训练方式,尽可能量二者区分开。

 2. 本文出发点

人工评价往往是1-5分之间,上述自动评价只能区分是否连贯,而没有给出连贯程度,即量化评价指标。

本文提出了一个两阶段指标训练框架QuantiDCE。通过两阶段的递进式训练,逐步让指标模型掌握量化的能力,从而能够输出与人工打分更为一致的连贯性分数。

模型

每一个context,有3个不连贯级别共15个回复,红色的是满分回答,橙色的是一般回答,绿色的是劣质回答。实心圆圈表示当前对话i每一个级别的centroid得分。context和Response的对先通过BERT进行编码,然后再通过一个MLP得到一个相关性分数。

MLR预训练阶段,旨让模型通过无监督学习,能对不同级别的回复有个初步的判断。模型使用MLR最为损失函数进行优化。 MLRloss包括三部分:separation loss旨在让具有不同连贯性程度的context-response pairs彼此远离;compactness loss是让连贯性程度相同的pairs相互靠近;而最后的ordering loss则是为了约束不同连贯性程度的pairs之前满足一个从小到大的排序关系。

KD微调阶段,则是希望指标模型能够在前面预训练的基础上,进一步学习到人类打分的真实标准。这里损失函数包含两部分,第一部分是MSE,让模型预测分数尽可能接近人工打分。第二部分是一个正则项,用于在微调阶段保留预训练阶段学习到的知识,避免由于微调数量很少而出现过拟合的现象。具体来说,就是固定预训练后的参数(作为teacher),约束待微调的模型(student)各层输出以及中间层注意力矩阵与teacher的保持一致。

效果

1. 和其他自动评价指标相比

用各种自动评价指标和人工评价指标进行相关性比较。可以看到,该模型和人工打分更接近,即更接近真人评估。

2. 采用不同的loss

选用不同的loss进行训练,再去和人工打分做相似性比较。可以看到,多层级排序MLR作为loss,效果更好。

3. GoodCase及BadCase

U1,U2是context中的两个utterance,R是相关回复。

上面的是goodcase,该模型对结果的评价和人工的更接近。而GRADE却给出了很高的分数,认为回答的不错,显然是不对的。

下面的是badcase,两种模型和人工打分差距都远。作者将之归因为,只将句子质量分成了3个级别,而人工会将之分成5个级别。

各种loss简介

1. BCE Loss

BinaryCrossEntropy,适用于2阶量化。只有完美回答是1,其他的都是0

2. MRL

MarginRankingLoss,这里是让相关样本往前排,不相关样本往后。

3. SupCon Loss

supervised contrastive loss,适用于多阶量化。在向量空间中让正负anchor向两边移动。

这篇关于论文阅读-Towards Quantifiable Dialogue Coherence Evaluation的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/240838

相关文章

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟 开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚 第一站:海量资源,应有尽有 走进“智听

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

论文翻译:ICLR-2024 PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS

PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS https://openreview.net/forum?id=KS8mIvetg2 验证测试集污染在黑盒语言模型中 文章目录 验证测试集污染在黑盒语言模型中摘要1 引言 摘要 大型语言模型是在大量互联网数据上训练的,这引发了人们的担忧和猜测,即它们可能已

OmniGlue论文详解(特征匹配)

OmniGlue论文详解(特征匹配) 摘要1. 引言2. 相关工作2.1. 广义局部特征匹配2.2. 稀疏可学习匹配2.3. 半稠密可学习匹配2.4. 与其他图像表示匹配 3. OmniGlue3.1. 模型概述3.2. OmniGlue 细节3.2.1. 特征提取3.2.2. 利用DINOv2构建图形。3.2.3. 信息传播与新的指导3.2.4. 匹配层和损失函数3.2.5. 与Super

软件架构模式:5 分钟阅读

原文: https://orkhanscience.medium.com/software-architecture-patterns-5-mins-read-e9e3c8eb47d2 软件架构模式:5 分钟阅读 当有人潜入软件工程世界时,有一天他需要学习软件架构模式的基础知识。当我刚接触编码时,我不知道从哪里获得简要介绍现有架构模式的资源,这样它就不会太详细和混乱,而是非常抽象和易

BERT 论文逐段精读【论文精读】

BERT: 近 3 年 NLP 最火 CV: 大数据集上的训练好的 NN 模型,提升 CV 任务的性能 —— ImageNet 的 CNN 模型 NLP: BERT 简化了 NLP 任务的训练,提升了 NLP 任务的性能 BERT 如何站在巨人的肩膀上的?使用了哪些 NLP 已有的技术和思想?哪些是 BERT 的创新? 1标题 + 作者 BERT: Pre-trainin

[论文笔记]LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale

引言 今天带来第一篇量化论文LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale笔记。 为了简单,下文中以翻译的口吻记录,比如替换"作者"为"我们"。 大语言模型已被广泛采用,但推理时需要大量的GPU内存。我们开发了一种Int8矩阵乘法的过程,用于Transformer中的前馈和注意力投影层,这可以将推理所需

【阅读文献】一个使用大语言模型的端到端语音概要

摘要 ssum框架(Speech Summarization)为了 从说话人的语音提出对应的文本二题出。 ssum面临的挑战: 控制长语音的输入捕捉 the intricate cross-mdoel mapping 在长语音输入和短文本之间。 ssum端到端模型框架 使用 Q-Former 作为 语音和文本的中介连接 ,并且使用LLMs去从语音特征正确地产生文本。 采取 multi-st