SIGIRMay, 2022
P^3 Ranker:基于提示学习和预微调的缓解预训练和排名微调之间差距方法
P^3 Ranker: Mitigating the Gaps between Pre-training and Ranking Fine-tuning with Prompt-based Learning and Pre-finetuning
Xiaomeng Hu, Shi Yu, Chenyan Xiong, Zhenghao Liu, Zhiyuan Liu...
TL;DR本文研究了使用预训练语言模型(PLMs)来进行搜索排名时遇到的两个问题:训练模式和任务知识之间的差距。我们提出了一种称为 P³ Ranker 的模型,该模型使用基于提示的学习将排名任务转换为预训练模式,并使用预训练初始化模型,以尽可能少的数据实现适应该任务,并在 MS MARCO 和 Robust04 上表现出优异的表现,可用于 data-efficient 的 PLM 适应。