提到“007”,你一定会想到詹姆斯·邦德。
这样具有隐藏含义的词,可以统称为Cant,包括暗语、隐语、行话等。
常见的,比如“666”,还有zqsg、xswl等网络“暗语”……
对这些词的理解,在日常生活、广告和喜剧中都十分重要。
那么,怎么能让AI理解它们?
最近,来自USCD和北航的研究者,就一边“玩游戏”,一边为Cant开发了一个数据集——DogWhistle,并且已经开源。
研究团队根据经典桌游「Decrypto(截码战)」进行改编,设计了「Decrypto Online」,利用其中的记录收集数据。
概括而言,Decrypto游戏就是将4个玩家分为2队,队长提供线索词B,以便让队友把它和初始词A关联起来,同时要避免对手推断出A词。
具体来说,每个队伍有序号1-4的四个初始词,只有本队成员可以知道这些词。
每一回合由队长抽取密码卡,根据卡上的3个数字,给出对应序号词的线索(Cant)。比如:初始词1是“黑色”,那么1对应的线索词可以用“夜晚”。
第一回合中,队友根据线索词,推断卡上的数字,并由队长公开是否正确。与此同时,对方将会记录这些信息。
而在第二回合,队长再次抽数字卡,并给出线索词,两队都要据此推断数字,答案正确则记一分。
也就是说,队长给出的线索词,既要让队友对应到初始词上,同时还要避免对手摸清其中的关联。
研究人员给模型设置了两个子任务,初始词分别为可见和不可见。
内部人员子任务模拟内部人员之间的通信,第一行的4个初始词作为输入内容。由于emoji表情符号在交流中起着重要的作用,因此也被允许作为有效输入。
模型通过初始词和线索词进行推断,预测并输出初始词对应的序号(灰色背景)。
而外部人员子任务中,初始词是不可见的。
模型通过猜词记录、线索词等进行推断,预测并输出记录对应的序号(灰色背景)。
为了解不同模型对Cant的理解能力,研究人员通过两个子任务进行了定量分析。
在词嵌入相似度的测试中,用多样化的大型数据集训练的DSG,性能显著优于其他模型。
而具有更强计算能力的大尺寸模型,在内部任务中的表现显著优于基础尺寸模型。例如,RoBERTa-base和ERNIE-base,都优于BERT-base。
此外,采用参数共享的ALBERT-base,在两个任务上都略微低于BERT。
值得注意的是,在两个任务中表现最好的模型,分别以12.8和8.5的较大差距,落后于人类的表现。
这表明DogWhistle是一个非常具有挑战性的数据集,为下一代预训练语言模型提供了新的竞技场。
研究人员还给出了在内部任务中,BERT未能预测,但人类可以正确预测的代表性样本。
“Dancing Pallbearers(黑人抬棺舞)” 在模型发布后才出现,以至于模型可能对该话题的认识不多。
对“007”(指詹姆斯·邦德电影)的推理,需要模式对各种知识有高度理解,而不是过度拟合浅层的词汇特征,这也被认为是自然语言推理的主要缺陷。
还有“孩子都可以打酱油了”,也要求模型具有广泛的语言知识才能理解。
研究人员将DogWhistle数据集作为中间任务,通过中间任务迁移学习来提高模型的性能。
首先,在内部子任务上对模型进行微调,然后在蚂蚁金融问题匹配语料库(AFQMC)和大型中文问题匹配语料库(LCQMC)上,再次微调模型。
结果显示,在两个数据集上,DogWhistle都帮助模型获得了更好的性能。
论文一作许灿文,曾在武汉大学就读,目前是加州大学圣地亚哥分校(UCSD)的博士研究生。
他曾在微软亚洲研究院实习,现在Hugging Face工作。主要研究方向包括:NLP中的深度学习、自然语言生成和社交媒体分析。
论文二作周王春澍,是北京航空航天大学计算机科学硕士,在微软亚洲研究院实习,致力于NLP研究。
据作者介绍,这篇论文已经被NAACL 2021接收,数据集在GitHub上开源。
感兴趣的读者可戳文末链接了解详情。
参考链接: [1]https://arxiv.org/abs/2104.02704 [2]https://github.com/JetRunner/dogwhistle [3]https://cseweb.ucsd.edu/~jmcauley/ [4]https://www.canwenxu.net/ [5]https://www.youtube.com/watch?v=2DBg7Z2-pQ4 [6]http://www.yihubg.com/blog-details/c4552cb2-3b6f-4123-9a80-8764ce98603e
— 完 —
本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容,未经账号授权,禁止随意转载。
表格数据预测与时序预测常见算法实战
5月13日晚20:00-21:00,百度研发专家带你实战AI开发项目,扫码报名直播还有机会获得随机掉落的极客周边~
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
喜欢就点「在看」吧 !