BriefGPT - AI 论文速递
·
使用核变形函数为数据定制混合策略
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
DoubleMix是一种插值数据增强方法，通过在神经模型的隐藏空间中进行插值和学习“偏移”特征来提高模型的鲁棒性。该方法在六个文本分类基准数据集上优于其他流行的文本增强技术，并且在低资源情况下也能保持性能的提升。
🎯
关键要点
- 提出了一种名为 DoubleMix 的插值数据增强方法。
- DoubleMix 通过合成的数据集和原始数据集在神经模型的隐藏空间中进行插值。
- 该方法学习隐藏空间中的 '偏移' 特征以提高模型的鲁棒性。
- 在六个文本分类基准数据集上，DoubleMix 优于几种流行的文本增强技术。
- 在低资源情况下，DoubleMix 也能保持性能的提升。
➡️
