Μεγάλα Γλωσσικά Μοντέλα για Σύνολα Δεδομένων με Μεροληψία

Abstract

Τα δεδομένα σε μορφή πίνακα συνήθως αντιμετωπίζονται στην μηχανική μάθηση με τη χρήση μοντέλων δέντρων ή δασών αποφάσεων. Όμως είναι γνωστό ότι τα μοντέλα αυτά είναι αρκετά επιρρεπή στην εκμάθηση τυχών μεροληψιών που μπορεί να περιέχουν τα εκάστοτε σύνολα δεδομένων. Πρόσφατα η άνοδος των μεγάλων γλωσσικών μοντέλων έχει αναδείξει τρόπους χρήσης τους και για δεδομένα μορφής πίνακα μέσω σειριοποίησης των δειγμάτων τους σε κείμενο. Έτσι σε αυτήν την εργασία ερευνάται η ικανότητα των μεγάλων γλωσσικών μοντέλων να ξεπερνούν μεροληψίες σε σύνολα δεδομένων μορφής πίνακα χρησιμοποιώντας πρότερη γνώση που απέκτησαν κατά το στάδιο εκπαίδευσής τους καθώς και την κατανόηση της σημασιολογίας των τιμών των κατηγορηματικών χαρακτηριστικών των δεδομένων. Τα αποτελέσματα υποδεικνύουν ότι τα μεγάλα γλωσσικά μοντέλα τα πηγαίνουν το ίδιο καλά ή καλύτερα από τις μεθόδους που αποτελούν την τελευταία λέξη της τεχνολογίας για δεδομένα σε μορφή πίνακα υπό το καθεστώς μεροληψίας.