few-shot scenario | BriefGPT

关键词few-shot scenario

搜索结果 - 7

ACLBvSP: 广视野软启发式训练用于少样本情感四元预测
本研究旨在解决使用神经模型进行少样本学习中，纬度预测的挑战，并提出了一种聚合多个模板的广角软提示方法，通过使用预训练语言模型选择相关度最高的 k 个模板，并使用软提示来指导预训练语言模型，最终将多个模板的结果通过投票机制进行聚合。实验证明，
PDF23 days ago
遮蔽扩散作为自监督表示学习者
最近，去噪扩散概率模型展示了最先进的生成性能，并被用作强大的像素级表示学习器。本文将扩散模型内在的生成能力与表示学习能力之间的相互关系进行了分解。我们提出了掩蔽扩散模型 (MDM)，这是一种可扩展的自监督表示学习器，用于将传统扩散中的加性高
PDFa year ago
RaSP: 基于关系感知的语义先验策略用于弱监督下增量分割
本文提出一种基于语义关系的弱监督方法，将对象先验从以前学习的类别转移到新类别，从而提高了新类别和旧类别的分割掩模质量，并在一些连续学习任务中验证了该方法的有效性。
PDFa year ago
少样本情况下的联邦自然语言处理
本研究探讨了在缺乏训练样本标签的情况下，如何通过建立一种命名为 FFNLP 的系统，使用伪标注技术和提示学习技术的算法进化来实现联邦学习模型的训练，以优化移动设备自然语言处理 (NLP) 应用程序的性能。
PDF2 years ago
EMNLP蜜还是毒？通过因果干预解决少样本事件检测中的触发诅咒
本文通过结构因果模型对少样本事件检测中触发器过拟合问题进行探究，并提出在训练过程中通过背门调整对上下文进行干预以解决该问题，实验证明该方法显著提高了 ACE05、MAVEN 和 KBP17 数据集上的少样本事件检测。
PDF3 years ago
EMNLP原型记忆的少样本表格到文本生成
提出了新的框架：Prototype-to-Generate（P2G），旨在通过使用检索的原型来提高神经表生成文本模型在少样本场景下的性能，并利用 IR 系统和新型原型选择器共同选择原型以帮助模型弥合表格和文本之间的结构差距。在三个基准数据集
PDF3 years ago
NIPS使用不可靠属性的零样本识别
本研究提出一种新颖的随机森林方法用于零样本学习，能更好地应对属性预测不可靠的问题，对于少样本和无训练样本学习在视觉分类学习中得到广泛应用。
PDF10 years ago