Oct, 2023
IDEAL:影响驱动的选择性注释强化大型语言模型中的上下文学习者
IDEAL: Influence-Driven Selective Annotations Empower In-Context Learners in Large Language Models
Shaokun Zhang, Xiaobo Xia, Zhaoqing Wang, Ling-Hao Chen, Jiale Liu...
TL;DR通过选择具有最大边际收益的数据子集,引入了一种基于影响力驱动的选择性注释方法,以降低注释成本并提高上下文示例的质量。实验结果证实了该方法在各种基准测试中的优越性能,以更低的时间消耗在子集选择过程中取得更好的表现。