BriefGPT - AI 论文速递
·
移动众感任务分配博弈中的分散式在线学习
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一种基于非静态多臂赌博机的折扣汤普森采样的多模态多任务对话行为分类任务的任务选择和分配方法。实验结果表明，该方法相比单任务和多任务基线模型在 UAR 和 F1 方面显著优越，对于数据不平衡问题的数据集具有显著更高的稳定性，并且能够获得一致且良好的少数类性能。
🎯
关键要点
-
提出了一种基于非静态多臂赌博机的折扣汤普森采样的方法。
-
该方法用于多模态多任务对话行为分类任务的任务选择和分配。
-
实验结果显示该方法在不同训练阶段有效识别任务效用。
-
该方法主动避免无用或有害的任务。
-
相比单任务和多任务基线模型，该方法在UAR和F1方面显著优越，P值小于0.05。
-
对于数据不平衡问题的数据集，该方法具有更高的稳定性。
-
该方法能够获得一致且良好的少数类性能。
-
相较于当前最先进的模型，该方法表现更为优越。
➡️
