PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.07103v1cs.CL

Style or Content? Evaluating Style Classifiers with Controlled Content Overlap

스타일 분류기는 자연 수집 데이터에서 스타일 레이블과 상관관계가 있는 내용 단서(content cues)를 사용할 수 있으나, 이러한 의존성을 측정할 체계적인 방법이 아직 부족합니다. 본 연구에서는 병렬 성경 번역(parallel Bible translations)을 기반으로 구축된 제어된 내용 중첩 설정을 통해 이 문제를 연구합니다. 구체적으로, 중첩 매개변수 $\alpha$를 내용 식별자와 스타일 레이블 간의 상호 정보량(mutual information)에 대한 정규화된 잔차로 정의하여, 스타일 클래스 간에 공유되는 내용의 정도를 측정합니다: 공유된 내용이 없는 경우($\alpha=0$)부터 내용이 완전히 공유된 경우($\alpha=1$)까지입니다. RoBERTa 기반 분류기에 대한 교차 중첩 평가 결과, 저중첩 모델은 내용 단서가 제거되면 성능이 저하되는 반면, 고중첩 모델은 더 강건하게 전이됨을 보여줍니다. 교차 스타일 내용 검색 프로브(probe)는 $\alpha$가 증가함에 따라 내용의 복구 가능성이 감소함을 추가로 보여주며, 학습 역학(training dynamics)은 이러한 제거가 점진적으로 발생함을 나타냅니다. 종합적으로, 이러한 결과는 제어된 중첩이 스타일 학습과 내용 단축 경로(content shortcuts)를 분리하는 간단한 진단 도구를 제공함을 시사합니다.