soft-label-prediction
소프트 레이블 예측
각 샘플에 대해 다수의 주석자가 부여한 분포 전체를 목표로 삼는 학습 목표이며, 단일 다수결 레이블 대신 annotator 분포를 KL divergence 등으로 맞추어 학습하는 방식이 주된 내용이다. 이 접근은 주관적 태스크에서 다수표가 소수 의견을 지우는 문제를 완화하고 모델 출력을 인간 분포와 정렬시키는 것을 목표로 한다. EXIST 논문에서는 Task별 soft target을 KL divergence로 최적화하여 soft-soft 평가에 직접 대응했다.
