الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل

قوة الخصومة ضمن إعداد "اشرح ثم توقع".

ملخص

يحتوي هذا المستودع على الكود المصدري لورقة BlackBoxNLP 2024 @ EMNLP الخاصة بنا:

تعزيز قوة الخصومة في الاستدلال باللغة الطبيعية باستخدام التفسيرات

في هذا العمل، نتحقق مما إذا كان استخدام التفسيرات الوسيطة في مهمة استدلال اللغة الطبيعية (NLI) يمكن أن يكون بمثابة استراتيجية دفاعية غير محددة النموذج ضد هجمات الخصومة. ادعائنا هو أن التفسير الوسيط يمكنه تصفية الضوضاء المحتملة التي يفرضها الهجوم العدائي في زوج الإدخال (الفرضية، الفرضية). من خلال التجارب المكثفة، أثبتنا أن تكييف تسمية المخرجات (استلزام، تناقض، محايد) على تفسير وسيط يصف العلاقة الاستدلالية بين فرضية المدخلات والفرضية، يتم تحقيق متانة الخصومة بالفعل.

هيكل المشروع

يتم تنظيم الريبو في الدلائل الأساسية التالية:

  • fine-tuning : يتضمن الكود الخاص بتدريب وتقييم جميع النماذج المستخدمة في تجاربنا. راجع ملف README الموجود في دليل fine-tuning لمزيد من التفاصيل.
  • adversarial_attacks : يتضمن الكود الخاص بتنفيذ الهجمات العدائية ضد النماذج المذكورة أعلاه. راجع ملف README الموجود في دليل adversarial_attacks لمزيد من التفاصيل.

تثبيت

  1. قم بإنشاء نسخة محلية من الريبو: git clone https://github.com/alexkoulakos/explain-then-predict.git
  2. انتقل إلى الدليل الجذر: cd explain-then-predict
  3. قم بإنشاء بيئة افتراضية تسمى venv : virtualenv --system-site-packages venv
  4. تنشيط البيئة الافتراضية: src venv/bin/activate (لنظام التشغيل Linux/MacOS) أو ./venv/Scripts/activate.ps1 (لنظام التشغيل Windows)
  5. تثبيت التبعيات الضرورية: pip install -r requirements.txt

الدعم والقضايا

إذا واجهت أي مشكلات أو أخطاء أو كانت لديك أسئلة، فلا تتردد في فتح مشكلة على GitHub. قم بوصف المشكلة التي واجهتها، بما في ذلك:

  • وصف واضح للمشكلة أو الخطأ
  • خطوات إعادة إظهار المشكلة (إن أمكن)
  • أي رسائل خطأ أو لقطات شاشة ذات صلة
  • تفاصيل حول بيئتك (إصدار Python ونظام التشغيل وإصدارات المكتبة)

سنبذل قصارى جهدنا للرد بسرعة والمساعدة في حل أي مشاكل.

الاقتباس

إذا كنت تستخدم النتائج التي توصلنا إليها في عملك، فلا تنس أن تستشهد بمقالتنا: 

 @inproceedings{koulakos-etal-2024-enhancing,
    title = "Enhancing adversarial robustness in Natural Language Inference using explanations",
    author = "Koulakos, Alexandros and Lymperaiou, Maria and Filandrianos, Giorgos and Stamou, Giorgos",
    editor = "Belinkov, Yonatan and Kim, Najoung and Jumelet, Jaap and Mohebbi, Hosein and Mueller, Aaron and Chen, Hanjie",
    booktitle = "Proceedings of the 7th BlackboxNLP Workshop: Analyzing and Interpreting Neural Networks for NLP",
    month = nov,
    year = "2024",
    address = "Miami, Florida, US",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2024.blackboxnlp-1.7",
    pages = "105--117"
}
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل