La línea de investigación más larga de Reichart ha sido la adaptación de dominio en NLP: cuando un modelo entrenado con artículos de prensa se despliega en texto jurídico, qué se rompe exactamente, y cómo medir esa rotura de una manera que no dependa de que el propio modelo sea legible. Como Co-Editor-in-Chief de Transactions of the Association for Computational Linguistics, tiene influencia institucional sobre lo que el campo acepta como metodología de evaluación rigurosa: TACL es uno de los foros donde los artículos de evaluación sobreviven a la revisión o no, y los estándares allí moldean lo que el trabajo posterior tiene que superar. Para ai100, que audita motores de IA en consultas para las que los motores quizá no fueron optimizados, la literatura de adaptación de dominio es precisamente el respaldo metodológico.

Vale la pena seguirlo cuando
se quiere evaluar el comportamiento de un modelo de lenguaje en entradas que pueden diferir de su distribución de entrenamiento, y se quiere una metodología que tome en serio ese cambio de distribución.
Temas
metodología de adaptación de dominio para modelos de lenguaje; aprendizaje activo bajo cambio de distribución; estándares editoriales de TACL como foro.
Obras clave
trayectoria sobre adaptación de dominio en NLP (década de 2010 en adelante, Technion); rol prolongado de Co-Editor-in-Chief en Transactions of the ACL; publicaciones de aprendizaje activo aplicadas a tareas de lenguaje.