摘要： [code] [blog] 主要思想和贡献 以前，NLP中的对抗攻击一般都是针对特定输入的，那么他们对任意的输入是否有效呢？ 本文搜索通用的对抗性触发器：与输入无关的令牌序列，当连接到来自数据集的任何输入时，这些令牌序列触发模型生成特定的预测。 例如，触发器导致SNLI隐含精度从89.94%下降到 阅读全文

摘要： 攻击 supporting facts 的修改：字符调换，替换词（用空格embedding或近同义词，变形词等） 还有针对question的攻击。 梯度下降，在embediing上做攻击，如何decode是个问题。 防御 如果把大量对抗样本加到训练样本一起训练不够显示，作用不是很大，随时都可能会有新 阅读全文

摘要： 主要思想 这篇文章主要是利用多个标准进行中文分词，和之前复旦的那篇文章比，它的方法更简洁，不需要复杂的结构，但比之前的方法更有效。 方法 堆叠的LSTM，最上层是CRF。 最底层是字符集的Bi-LSTM。输入：字符集embedding，输出：每个字符的上下文特征表示。 得到ht之后， CRF作为推理 阅读全文