Memorisation Cartography: Mapping out the Memorisation-Generalisation Continuum in Neural Machine Translation

要約

ニューラル ネットワークをトレーニングする場合、データセットから一部のソースとターゲットのマッピングはすぐに記憶されますが、その他のマッピングは学習されません。
しかし、記憶は良いか悪いかの 2 値の特徴として簡単に表現できません。個々のデータポイントは記憶と一般化の連続体上にあります。
そのスペクトル上のデータポイントの位置は何が決定するのでしょうか?また、そのスペクトルはニューラル モデルのパフォーマンスにどのような影響を与えるのでしょうか?
ニューラル機械翻訳 (NMT) モデルに関するこれら 2 つの質問に対処します。
反事実的な記憶メトリクスを使用して、(1) 記憶一般化マップ上に 500 万個の NMT データポイントを配置するリソースを構築し、(2) データポイントの表面レベルの特性とモデルのデータムごとのトレーニング信号がどのように記憶を予測するかを示します。
NMT では (3)、そのマップのサブセットが NMT システムのパフォーマンスに与える影響について説明します。

要約(オリジナル)

When training a neural network, it will quickly memorise some source-target mappings from your dataset but never learn some others. Yet, memorisation is not easily expressed as a binary feature that is good or bad: individual datapoints lie on a memorisation-generalisation continuum. What determines a datapoint’s position on that spectrum, and how does that spectrum influence neural models’ performance? We address these two questions for neural machine translation (NMT) models. We use the counterfactual memorisation metric to (1) build a resource that places 5M NMT datapoints on a memorisation-generalisation map, (2) illustrate how the datapoints’ surface-level characteristics and a models’ per-datum training signals are predictive of memorisation in NMT, (3) and describe the influence that subsets of that map have on NMT systems’ performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google