通过自我监督辅助学习实现多任务学习的表示学习

该论文提出了一种通用的可解释性预测系统，通过共享嵌入在多任务中进行预测。系统在共同空间中获取输入和输出嵌入，并将其作为模型参数进行学习。通过限制共享嵌入空间和注意机制的稀疏性，实验表明共享嵌入不仅不影响结果，还提高了准确性并减少了训练步骤。共享嵌入在可解释性和准确性之间提供了平衡，扩展了变量嵌入方法。