为少样本示例选择设计信息指标
原文中文,约200字,阅读约需1分钟。发表于: 。我们提出了一种基于复杂性的提示选择方法,用于序列标注任务,该方法通过某些度量标准来对齐测试句子和示例的句法语义复杂性,从而提高预训练语言模型的性能。
本文研究了PLM的few-shot学习,通过调参生成大量新训练样本,使用加权最大似然度量进行训练,取得了比现有方法更好的结果。在GLUE基准测试中超过了无增加方法5+平均点数和增加方法3+平均点数。
我们提出了一种基于复杂性的提示选择方法,用于序列标注任务,该方法通过某些度量标准来对齐测试句子和示例的句法语义复杂性,从而提高预训练语言模型的性能。
本文研究了PLM的few-shot学习,通过调参生成大量新训练样本,使用加权最大似然度量进行训练,取得了比现有方法更好的结果。在GLUE基准测试中超过了无增加方法5+平均点数和增加方法3+平均点数。