论文链接：https://aclanthology.org/2022.coling-1.468.pdf

本文方法具有如下优势：

1. 我们的训练框架使得 NMT 能够更加专注优化原始干净样本和对抗样本，实验证实这种训练策略能够获得更好的性能；

 

2. 设计了基于采样的课程学习策略来控制用于生成噪声数据的噪音比例，使得模型能以从易到难的顺序学习对抗样本的信息，实验证实了该方案的优越性；

 

3. 和模型结构无关，适用于不同的 NMT 模型，并且可以应用于其他 NLP 任务。

内容中包含的图片若涉及版权问题，请及时与我们联系删除