exemplar selection | BriefGPT

关键词exemplar selection

搜索结果 - 8

教得更好或展示更聪明？关于自动提示优化中的指导和范例
使用自动提示优化方法，该研究综合比较了指令优化和示例选择技术在各种具有挑战性任务上的表现，发现智能地重用模型生成的输入输出对作为示例能够持续提高性能，并且选择示例的方法可能优于优化指令的方法。此外，示例选择和指令优化的最佳组合可以实现超过个
PDF14 days ago
DSS：一种用于保留分类增量学习中知识的多样样本选择方法
DSS 是一种新的技术，用于从数据流中选择样本来减轻增量学习中的灾难性遗忘，该方法在分离和模糊任务边界情景下比现有方法表现更好，而且更易理解和实现。
PDF7 months ago
EMNLP点对点度量上下文中的可用信息 V-
通过将最近提出的硬度度量点点式 V - 可用信息（PVI）适应为上下文版本（上下文 PVI），我们评估了上下文 PVI 的可靠性，发现它与原始 PVI 具有类似的特征。此外，我们展示了如何利用上下文 PVI 来识别具有挑战性的实例，突显了上
PDF9 months ago
EMNLPSEER：一种用于上下文混合问答的背包法示例选择
SEER 是一种选择代表性和多样性的示例集合的新方法，通过将示例选择问题转化为背包整数线性规划问题，通过灵活调整多样性和容量约束条件来提高在 HybridQA 中的性能。在 FinQA 和 TAT-QA 两个真实世界的 HybridQA 基
PDF9 months ago
重播对于课程体系整合的影响：对于连续学习的影响
本文旨在探讨不同课程与回放方法相结合对于持续学习的影响，研究表明课程设计的三个方面有效地缓解了灾难性遗忘并增强了积极的知识转移。
PDFa year ago
有效上下文学习的互补解释
本文研究大型语言模型在上文环境学习中如何利用解释，通过研究计算跟踪和语言表达对影响解释的有效性，我们发现两种因素对于解释的有效性都起重要作用，同时提出了一种基于最大边际相关性的样本选择方法，以构建既相关又补充的样本集，成功提高了大型语言模型
PDF2 years ago
类别增量式少样本目标检测
本文提出了一种名为 LEAST 的新的模型转移方法，通过减少权重适应、知识蒸馏和基于聚类的样本选择等步骤，实现了在小样本量下增量式学习的目标检测问题中的高效性能。
PDF3 years ago
ECCV基于自表示的子空间并集的无监督样本选择
该论文提出了一种新的代表选择模型，它旨在寻找最能够重构所有数据点的子集，并介绍了一种较高效的算法 ——farthest first search，以从一个独立子空间的并集中选择足够多的代表，并进一步开发了一种以代表为基础的子空间聚类方法。
PDF4 years ago