具有大型语言模型的语境中感知歧义学习

本文研究了大型语言模型在上下文学习中的表现，通过使用相同的演示示例训练相同的模型，研究它们在标签扰动下的表现。实验证明，黄金标签对下游上下文性能有显著影响，但不平衡标签对上下文学习的影响较小。与监督学习相比，上下文学习对标签扰动的敏感性较低，并且随着模型大小的增加，性能逐渐与监督学习相当。