![2
[注意事項]
1. 現時点でわかっている範囲での解釈なので，今
後の研究成果によっては，ここで話したやり方
がよくない可能性があると思います．
2. 個人的な意見を含むので，異論は普通にありえ
ます．あくまで一つの観点からの参考意見とい
う位置づけで聞いてほしいと思います．
3. 与えられた状況の中で最善を目指して試行錯誤
している途中の現時点のやり方になります．](https://image.slidesharecdn.com/20220318nlp2022wspub-220407022301/85/NLP-3-320.jpg)
![21
[余談] Testset tuning
l DNNになって比較的簡単に恣意的な結果をだせ
るようになった
?Testset-tuning疑惑の論文が散見されるように
なった？？？ (この値本当に出る？)
?とはいえ，難しい問題が．．．
これは絶対にやってはいけない](https://image.slidesharecdn.com/20220318nlp2022wspub-220407022301/85/NLP-22-320.jpg)
狈尝笔における再现性
- 1. NLP2022 Workshop 狈尝笔における再现性 東北大学 データ駆動科学?AI教育研究センター 鈴木 潤 2022.03.18
- 2. 1 l 話題 l DNN手法の再現が難しい問題 l SOTAとの比較問題 l モデル選択 ? Testset-tuning l Random Seed
- 3. 2 [注意事項] 1. 現時点でわかっている範囲での解釈なので，今 後の研究成果によっては，ここで話したやり方 がよくない可能性があると思います． 2. 個人的な意見を含むので，異論は普通にありえ ます．あくまで一つの観点からの参考意見とい う位置づけで聞いてほしいと思います． 3. 与えられた状況の中で最善を目指して試行錯誤 している途中の現時点のやり方になります．
- 5. 4 DNNの学習の再現性 l 比較：SVM l 制約付き凸関数 l 大域的最適解 l 使うツールが違っても えられる解は大体同じ l ハイパラは基本一つ l DNN l 複雑な非凸関数 l 局所解がたくさんある l ツールが違うと結果が変 わる可能性 l ハイパラたくさん
- 6. 5 多くの理由で再現しない l Random Seed l GPU l Library version l Driver version l 並列処理 l ．．．
- 9. 8 多くの理由で再現しない l 並列処理 l GPUは非同期で並列処理をしている (場合が多い) の で計算結果が毎回変わる可能性がある l そもそも学習したモデルが局所解まで到達して ないのでは疑惑？ l => (学習問題としては) 何を学習したのだろう？
- 10. 9 DNNの学習の再現性 l 無理でしょ．．． l 再現しないものに対して再現を求められても ねぇ．．. l 自分ではどうにもできないことは一旦諦める
- 11. 10 どうすればよい？ l 「ちゃんとやっているよ感」が大事 (多分) l なるべく条件をしっかり書く ? AppendixでOK ? 可読な設定ファイルをsupplementary materialとしてつけ てくれてもOK l Rebuttal 時の根拠 ? 査読者が言っていることが正しそうか vs 著者が言っていることが正しそうか ? Meta-reviewer を味方につけたい => でも reviewer 見てないし．．． => でも meta-reviewer も見てないし．．．fin.
- 12. 11 従来法が再現しない場合 l 重要な比較手法は手元の実験設定で追実験をす る (方が良いとおもっている．．．) l 様々な理由で基本論文の値は再現しないことを前提 ? 公平な比較をするために同じ環境で比較したい l 論文の報告値と再現実験の値を両方載せる ? Appendixでもよい l 再現しない理由をかく
- 13. 12 l SOTAとの比較問題
- 15. 14 SOTAとの比較問題 l (何かの手法を提案する際に) なぜSOTA手法と 比較しなくてはいけないのか？ l ？ みんなSOTA手法が大好きだから！ l ？ NLPは応用よりの分野だから結果が全て！ l ？ SOTA手法に勝たないと論文通らないから！ 現在のACL系の査読規定で は，「SOTAと比べてない から落とすわ！」という reviewはダメレビュー扱い https://aclrollingreview.org/reviewertutorial#6-check-for-lazy-thinking
- 16. 15 SOTAとの比較問題 l (何かの手法を提案する際に) なぜSOTA手法と 比較しなくてはいけないのか？ l 性能が向上する理由は排他的ではない l => 提案する方法論が解決したい問題は実は既に解決 されている可能性がある 俺様の手法がSOTA！ 提案法が主張する効果がこれまでにまだ 得られていないことを示す (ために「いま一 番イケていると思われる方法」と比べて効果があるこ とを示す) ? たまたま比較手法 (○○法) がいま一番良 い結果をだしていたから一番よい結果に なった，ぐらいの気持ち
- 17. 16 SOTAとの比較問題 l (何かの手法を提案する際に) なぜSOTA手法と 比較しなくてはいけないのか？ l => しなくてもいいよね ? 言い方 (書き方) 問題 提案法により △△ベンチマークデータ の性能が向上した 比較手法である従来法 (○○法) では xx の課題があるが，提案 法によりその課題を解決（軽 減）することで△△ベンチマー クデータの性能が向上した めちゃくちゃ強い主張ではないかもしれないが これで十分論文は採録されるチャンスはある
- 18. 17 l モデル選択
- 19. 18 モデル選択 l 開発データを使う l 一定回数まわす このモデルを取る？ このモデルを取る？ 学習のロス 開発データの性能
- 20. 19 モデル選択 l 開発データによるモデル選択（early stopping） このモデルを取る？ l 本当に大丈夫？ l 開発データによるモデル選 択自体が悪いわけではない
- 21. 20 モデル選択 l 開発データによるモデル選択（early stopping） l どうしたら良い？ ? 開発データによる選択 (Early stopping) しなくて も良い設定にする – そもそもlossの設計 (または 学習の設定)が悪い可能性 ? あきらめる – 開発が下がってもそれはそ れと思う l なるべく多く回して学習 Lossがあまり変わらない ところまで回す
- 22. 21 [余談] Testset tuning l DNNになって比較的簡単に恣意的な結果をだせ るようになった ?Testset-tuning疑惑の論文が散見されるように なった？？？ (この値本当に出る？) ?とはいえ，難しい問題が．．． これは絶対にやってはいけない
- 23. 22 Random seedで複数回評価 l 5回（できれば10回）Random Seedを変えて 実験 l 平均を報告 l （検定をするなら）Non-parametric な検定 ? かなり厳しい設定の検定 => これで有意差がでるならよいと考える 1 2 3 4 5 Ave 21.5 20.9 21.4 20.9 21.8 21.30 21.1 20.8 21.7 21.1 21.0 21.14
- 24. 23 まとめ l 実験結果が同じにならない様々な要因 l 自分にどうにもできないことは一旦あきらめる．．. l 重要な比較手法は可能な限り再実験 l 比較手法は適切に（なるべく業界標準の良い方法） l Lossの設計または学習の設定を確認 l 開発データで性能が下がらない設定をみつける? l 乱数初期値を変えて複数回実験 l 検定もしておく？ 他にもまだある気がするけど今日はこの辺で．．．