Jevを、自然言語で分類基準を渡せる識別モデルとして使う

はじめに Jevの使い方は、確率的分類器から考えると分かりやすい。 通常の分類器では、入力を x、クラスを y として、予測する分布を \hat p_\theta(y\mid x) と書く。\theta は学習済みパラメータ、ハットは推定された確率であることを表す。テキスト分類なら、x は文章、y はその文章に付けるラベルである。 JevのChoiceでは、判定対象に加えて、質問 q と候補の説明 C も入力する。利用者から見た振る舞いは、次の式で表せる。 \hat p_\theta(y\mid x,q,C) ここで C=\{(c_1,d_1),\ldots,(c_K,d_K)\} とする。c_k が候補ラベル、d_k がその意味の説明である。モデルは候補ごとの確率を返し、Choiceの選択結果はその最大値を取る候補になる。Choiceの公式仕様 \hat y=c_{k^*},\qquad