本研究提出了一种新颖的联合训练方法,解决了选择性预测中模型输出信任度不足的问题。结果表明,该方法在预测结果和模块性能上均优于两个强基线。
本研究提出了一种新颖的联合训练方法。
该方法解决了选择性预测中模型输出信任度不足的问题。
研究结果表明,该方法在预测结果上优于两个强基线。
联合训练方法同时优化了分类器模块和学习的延迟政策的表示。
该方法提升了两个模块的性能。
完成下面两步后,将自动完成登录并继续当前操作。