BriefGPT - AI 论文速递
·
MetaTra：在未知领域中进行广义轨迹预测的元学习
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
META-MT是一种基于元学习的方法，用于适应神经机器翻译系统(NMT)。通过在模拟的离线元训练领域适应任务的基础上学习如何适应新的未见过的领域，META-MT可以在很少的领域样例可用时显著优于经典的领域适应。
🎯
关键要点
-
META-MT是一种基于元学习的方法，用于适应神经机器翻译系统(NMT)。
-
META-MT可以使NMT模型容易适应多个领域的目标，且只需极少量的领域数据。
-
该方法通过在模拟的离线元训练领域适应任务上学习，提升NMT系统的适应性。
-
在十个领域上评估了META-MT，结果显示其在领域样例稀少时显著优于经典领域适应。
-
META-MT在仅见到4,000个已翻译单词后，BLEU指标比经典微调高出多达2.5个点。
➡️
