通过LLM合成反事实和动态平衡采样缓解NLI中的虚假相关性

这项研究通过提出一种新方法来缓解自然语言推理 (NLI) 中的虚假相关性，从而解决了该领域的一个关键挑战。 使用 LLM 合成的反事实和动态平衡采样，代表了一种提高 NLI 模型鲁棒性和泛化能力的有前景的方法。

• •解决 NLI 中虚假相关性的问题。
• •采用 LLM 合成的反事实进行数据增强。
• •利用动态平衡采样进行训练。