Roi Reichart
Ce que « domaine » signifie pour un modèle de langage — lorsque sa distribution d'entraînement cesse de correspondre à son contexte de déploiement — et comment évaluer rigoureusement ce décalage.
La ligne de recherche de longue durée de Reichart porte sur l'adaptation de domaine en NLP : lorsqu'un modèle entraîné sur des articles de presse est déployé sur du texte juridique, qu'est-ce qui se brise précisément, et comment mesure-t-on la rupture sans dépendre de la lisibilité du modèle lui-même ? Comme Co-Editor-in-Chief des Transactions of the Association for Computational Linguistics, il exerce une influence institutionnelle sur ce que le domaine accepte comme méthodologie d'évaluation rigoureuse — TACL est l'un des lieux où les articles d'évaluation survivent ou non à l'examen, et les standards qui y sont appliqués déterminent ce que les travaux ultérieurs devront satisfaire. Pour ai100, qui audite des moteurs d'IA sur des requêtes pour lesquelles ils n'ont pas nécessairement été optimisés, la littérature sur l'adaptation de domaine est précisément l'appui méthodologique pertinent.