arXiv · cs.AI· Katie Matton·· 2 天前AI 评分33
反事实测试时增强方法去除语言模型中的捷径学习
Counterfactual Test-Time Augmentation for Shortcut Removal in Language Models
来源与原文
arXiv · cs.AI
作者：Katie Matton
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.33904v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出反事实测试时增强（CTTA）方法，用辅助模型对输入生成改变捷径取值的反事实编辑，并对 LLM 预测加权平均，以在推理阶段去除模型对训练数据虚假相关性的依赖。论文证明最优捷径不变预测器属于 CTTA 家族，并据此开发出可在各方法间选择的 Select-CTTA。实验显示 Select-CTTA 优于测试时基线，性能接近在捷径平衡数据上微调的模型。
来源：arXiv · cs.AI · arxiv.org