摘要
在自然语言处理（NLP）分类任务中，对大规模预训练语言模型（LLMs）在特定数据集上进行微调是一种常用策略。然而，该方法通常会导致模型泛化能力的下降。本文提出一种新框架，能够在保持模型泛化能力的同时，通过引入任务特定的上下文归因（context attribution）机制，提升下游任务的性能。我们证明，利用任务特定的概念算子（concept operator）对任意Transformer模型的文本表示进行线性变换，可实现其在潜在概念空间中的投影，本文将此过程称为“上下文归因”。该任务特定的概念算子在监督学习阶段通过新型损失函数进行优化。实验结果表明，针对每个任务目标对文本表示进行上下文归因，能够增强判别函数的表达能力，从而显著提升分类任务的性能。在三个数据集上的实验验证了所提模型的优越性：HateXplain、IMDB影评和社交媒体归因数据集（Social Media Attributions）。具体而言，在HateXplain数据集上，对于未经微调的BERT模型，准确率提升8%，F1分数提升10%；在IMDB数据集上，所提模型优于经过微调的先进模型XLNet，准确率与F1分数均提升1%。此外，在跨领域、跨数据集的测试中，基于IMDB数据集微调的DistilBERT结合本文框架，在HateXplain数据集上的F1分数提升7%。在YouTube评论的社交媒体归因数据集上，F1指标提升达5.2%。所提出的框架基于PyTorch实现，并已开源发布于GitHub。