ترجمه فارسی مقاله استفاده از نظریه تنوع در افزایش داده‌های خلاف واقع برای یادگیری فعال بهینه

چکیده

Active Learning (AL) allows models to learn interactively from user feedback. This paper introduces a counterfactual data augmentation approach to AL, particularly addressing the selection of datapoints for user querying, a pivotal concern in enhancing data efficiency. Our approach is inspired by Variation Theory, a theory of human concept learning that emphasizes the essential features of a concept by focusing on what stays the same and what changes. Instead of just querying with existing datapoints, our approach synthesizes artificial datapoints that highlight potential key similarities and differences among labels using a neuro-symbolic pipeline combining large language models (LLMs) and rule-based models. Through an experiment in the example domain of text classification, we show that our approach achieves significantly higher performance when there are fewer annotated data. As the annotated training data gets larger the impact of the generated data starts to diminish showing its capability to address the cold start problem in AL. This research sheds light on integrating theories of human learning into the optimization of AL.

چکیده به فارسی (ترجمه ماشینی)

یادگیری فعال (AL) به مدل ها اجازه می دهد تا از بازخورد کاربر به صورت تعاملی یاد بگیرند.در این مقاله یک رویکرد تقویت داده های ضد خلاف به AL ، به ویژه پرداختن به انتخاب داده های مربوط به پرس و جو کاربر ، یک نگرانی مهم در افزایش بهره وری داده ها ارائه شده است.رویکرد ما از تئوری متغیر الهام گرفته شده است ، یک تئوری یادگیری مفهوم انسانی که با تمرکز بر آنچه که یکسان باقی می ماند و چه تغییراتی دارد ، بر ویژگی های اساسی یک مفهوم تأکید می کند.رویکرد ما به جای اینکه فقط با داده های موجود پرس و جو کنید ، داده های مصنوعی را نشان می دهد که شباهت ها و تفاوت های کلیدی بالقوه بین برچسب ها را با استفاده از یک خط لوله عصبی-سمبولیک با ترکیب مدل های بزرگ زبان (LLMS) و مدل های مبتنی بر قانون برجسته می کند.از طریق آزمایش در حوزه مثال طبقه بندی متن ، ما نشان می دهیم که وقتی داده های حاشیه نویسی کمتری وجود دارد ، رویکرد ما به عملکرد قابل توجهی بالاتر می رسد.با بزرگتر شدن داده های آموزش حاشیه نویسی ، تأثیر داده های تولید شده شروع به کاهش توانایی آن برای رفع مشکل شروع سرما در AL می کند.این تحقیق بر ادغام نظریه های یادگیری انسان در بهینه سازی AL روشن می کند.