BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 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。
- 鼓励生成器生成分类标签的样本。
- 使用正则化fine-tuned在小样本和合成样本上取得更好结果。
- 在GLUE基准测试中超过无增加方法5+平均点数和增加方法3+平均点数。
🏷️
标签
➡️
