基于注释指南的知识增强：用于提升教育文本分类的大型语言模型
原文中文，约500字，阅读约需2分钟。发表于：。使用基于批注指南的知识增强（AGKA）方法，我们对大型语言模型（LLMs）进行了综合评估，并在学习参与度分类（LEC）任务上取得了改进。AGKA 利用 GPT 4.0 从批注指南中检索标签定义知识，并应用随机欠采样器选择一些典型示例，通过六个 LEC 数据集对其进行了系统评估。结果表明，AGKA 可以提升非微调的 LLMs，在简单的二分类任务上 GPT 4.0 的 AGKA...
使用基于批注指南的知识增强方法评估了大型语言模型，结果显示GPT 4.0在简单的二分类任务上优于BERT和RoBERTa等全微调模型，但在需要深入理解复杂语义信息的多类任务中稍逊。与Llama 3 70B结合的AGKA具有潜力，但难以区分多类分类中名称相似的标签。
