无遗忘的文本正则化相似性范式

本研究解决了现有提示学习方法在处理新类别和不同数据分布时的泛化性能不足的问题。提出的相似性范式文本正则化(SPTR)方法通过最优传输和相似性对齐分数，确保了手工提示的知识不被遗忘，同时提升了模型的鲁棒性与泛化能力。实验结果表明，SPTR在多项任务中显著超越了传统提示学习方法。