【EMNLP2021教程】鲁棒自然语言处理，EMNLP 21 Tutorial on Robust NLP，176页pdf

最近的研究表明，许多NLP系统对输入的微小扰动非常敏感和脆弱，并且不能很好地在不同的数据集上进行泛化。这种鲁棒性的缺乏阻碍了NLP系统在真实应用中的使用。本教程旨在让人们意识到有关NLP鲁棒性的实际问题。它的目标是对构建可靠的NLP系统感兴趣的NLP研究人员和实践者。特别地，我们将回顾最近关于分析NLP系统在面对对抗输入和分布转移数据时的弱点的研究。我们将为观众提供一个全面的视角

• 如何使用对抗性的例子来检查NLP模型的弱点并促进调试;

• 如何增强现有NLP模型的鲁棒性和对抗输入的防御;

• 对鲁棒性的考虑如何影响我们日常生活中使用的真实世界的NLP应用。

• 我们将通过概述这一领域未来的研究方向来结束本教程。

https://robustnlp-tutorial.github.io

• Motivation and Overview

• Finding Lack of Robustness (Attacks)

1. Writing Challenging Examples

2. Generating Adversarial Examples

3. Adversarial Trigger and Text Generation

4. Training Time Attack

• Making Models Robust (Defenses)

1. Robustness to Spurious Correlations

2. Adversarial Training for Defense

3. Certified Robustness in NLP

4. Test time-defense: detecting adversarial examples

• Conclusion, Future Directions, and Discussion

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“RNLP” 就可以获取《【EMNLP2021教程】鲁棒自然语言处理，EMNLP 21 Tutorial on Robust NLP，176页pdf》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源