counterfactual-generation

介绍了一个结合流生成编辑和进化算法的框架，用于在残差空间中进行优化，支持使用不可微目标进行可控数据编辑。在MorphoMNIST和晶体数据上进行了验证。

提出CoCoGEC，一种反事实生成框架，通过改变GEC训练数据中与错误无关的上下文来提升模型鲁棒性，在扰动基准上取得了显著的F0.5提升。