RIFF: 学习改写输入以便对语言模型进行少样本微调
原文中文，约300字，阅读约需1分钟。发表于：。利用最大边际似然目标训练少样本释义模型，并结合参数高效微调方法改变原始任务的输入文本，通过在训练和测试时用释义数据丰富数据，超越单独使用参数高效微调的性能，对六个少样本文本分类数据集进行实验验证。
通过重新制定微调期间的输入，利用预训练模型在新颖的方式下发挥其优势，无需额外收集训练数据或在推理时修改数据，这些简单的数据级别修改方案在单语言对翻译任务或大规模多语言翻译任务中都可以应用，实验证明这些技术在 Flores200 翻译基准测试中实现了显著的性能提升达到 3.5 chrF++。我们希望通过提高微调数据效率的可访问性，使训练更加有效，以达到可扩展改进的最新性能水平。
