Nov, 2023
描述符和词汤:克服参数效率精度权衡的问题,用于超出分布的少样本学习
Descriptor and Word Soups: Overcoming the Parameter Efficiency Accuracy Tradeoff for Out-of-Distribution Few-shot Learning
Christopher Liao, Theodoros Tsiligkaridis, Brian Kulis
TL;DR通过使用训练数据,提出了两种更具灵活性的方法,即描述符汤和词汤,以提高少样本情况下的目标准确度,并在交叉数据集和领域泛化基准上优于现有的少样本方法和零样本方法。