few-shot | BriefGPT - AI 论文速递

关键词few-shot

搜索结果 - 93

Visconde: 使用 GPT-3 和神经重排序的多文档问答
本文提出了一个名为 Visconde 的问答系统，利用 few-shot 大型语言模型和先进的搜索引擎检索多个文档中的支持证据用于回答问题，评估结果表明检索机制是主要的瓶颈，为了得到更好的回答表现，模型在回答问题前给出解释是有效的。
PDF2 years ago
将最先进的模型与最大边际相关性相结合，进行少样本和零样本的多文档摘要
本篇论文主要研究如何使用最大边际相关性（MMR）结合深度学习方法以实现多文档摘要的 few-shot 或 zero-shot 应用，并在这种方法的基础上提出一个能够同时保证相关性和输出质量的新算法。
PDF2 years ago
TabLLM：基于大型语言模型的小样本表格数据分类
通过将表格数据序列化为自然语言字符串和分类问题简述作为输入，使用大型语言模型进行零样本和小样本分类数据的研究，并评估了几种序列化方法，发现这种方法在多个基准数据集上优于以前的深度学习分类方法。
PDF2 years ago
COLINGSEE-Few: 小样本命名实体识别的种子、扩张与蕴含
本文提出了一种新颖的多任务学习框架 SEE-Few，用于在没有使用源域数据的情况下进行少样本实体识别，该框架通过种子、扩展和蕴含的学习模块来提高实体识别的准确性，实验结果表明，该方法在四个基准数据集上表现出了比现有技术高出很大的优势。
PDF2 years ago
ACLCSS: 结合自训练与自监督学习进行少样本对话状态跟踪
本文提出了一种名为 CSS 的少样本对话状态追踪 (DST) 框架，其将自我训练和自我监督学习方法相结合，并将 DST 任务的未标记数据并入到自我训练迭代中。同时使用对比自我监督方法来学习更好的表示，该方法通过 dropout 操作扩充数据
PDF2 years ago
ACLFRMT：用于少样本区域感知机器翻译的基准测试
FRMT 是一个新的数据集和评估基准，针对少样本区域感知机器翻译。该数据集包括英语到葡萄牙语和汉语各两种地区变种的专业翻译。我们为该任务提供了基线模型和训练、评估、比较的准则。
PDF2 years ago
ACL元学习跨语言语义解析流形
通过元学习算法，利用高语种数据进行训练，在少量带注释的新语言数据上，我们的跨语言语义分析器可以达到较高的准确性和极少的数据采样。
PDF2 years ago
SF-DST: 少样本自喂式陈述理解对话状态跟踪及其辅助任务
本文提出一种无本体论的少样本对话状态跟踪模型，采用自我喂养信念状态作为输入，通过总结先前的对话提高多轮对话的准确性，同时新增了一个槽门辅助任务，成功应用于多领域的任务中，达到了最佳表现。
PDF2 years ago
COLINGPrompt 结合释义：教授预训练模型理解罕见生物医学词汇
本文提出了一种在生物医学领域中进行基于提示微调的方法，以帮助模型在微调时学习生物医学领域中的罕见术语，实验结果表明，该方法可以在不使用额外参数或训练步骤的情况下在生物医学自然语言推理任务中实现高达 6% 的性能提升。
PDF2 years ago
Few-Shot Document-Level Event Argument Extraction
本文研究如何在文档级别抽取跨句子传播的事件参数，提出了 FewDocAE 基准，介绍了在 Few-Shot 学习环境下采用先进的神经模型进行实验的基线结果。由于学习过程限制在非常少的例子上，这是一项具有挑战性的任务。希望该基准能够鼓励更多相
PDF2 years ago
Hansel: 一个中文 Few-Shot 和 Zero-Shot 实体链接基准
该论文提出了一个新的中文实体链接数据集 Hansel，用于解决现有实体链接系统中流行度偏差和英语以外语言中低频和新兴实体的缺乏问题。该数据集包含来自新闻、社交媒体和其他网络文章的 10K 个多样化文档，使用 Wikidata 作为其目标知识
PDF2 years ago
从少量图像中学习具有泛化能力的光场网络
本文探讨了一种基于神经光场表示的少样本新视角合成策略，其使用了隐式神经网络将光线映射到目标像素的颜色，且通过由由粗略体积渲染产生的本地光线特征来确定网络的条件。该方法使用 3D ConvNet 构建的输入图像的 3D 特征体积，实现了比现有
PDF2 years ago
ECCV基于熵正则化的零数据重播的小样本类增量学习
本研究提出了一种基于数据回放的少样本类增量学习方法，并研究了使用生成器产生数据以解决存储、回放旧数据的隐私问题的技术，同时提出使用熵正则化来增加不确定性样本的有效性，并通过实验结果证明了该方法的可行性和有效性。
PDF2 years ago
ECCV自适应细粒度基于草图的图像检索
提出了一种基于元学习 (MAML) 的框架来实现 Fine-Grained Sketch-Based Image Retrieval (FG-SBIR) 模型的快速适应新类别和绘画风格的问题，通过内循环中基于边缘对比损失的训练和外循环中引入
PDF2 years ago
使用 Vision Transformer 进行肺癌多标签分类的零样本学习和少样本学习
研究利用预训练的 Vision Transformer 模型对肺癌病理组织切片（来自数据集 LC25000）进行多标签肺癌分类，比较了零样本和少样本 ViT 的性能表现，结果表明预训练的 ViT 模型在零样本设置下表现良好，在少样本设置下有
PDF2 years ago
标签锚定对比学习用于语言理解
本文提出一种基于标签锚定的对比学习方法（LaCon），用于自然语言理解分类任务中，不需要专门的网络架构或任何额外的数据增强，可轻松插入现有的强大预训练语言模型，相比于现有最先进技术，LaCon 在 GLUE 和 CLUE 基准测试数据集上有
PDF2 years ago
ACL面向少样本文本分类的标签语义感知预训练
提出了一种标签语义感知预训练（LSAP）方法，该方法将标签语义信息融入预训练生成模型中，并通过有标签的来自不同领域的句子的次预训练进行，从而提高了文本分类系统的泛化性能和数据效率，在 ATIS、Snips、TOPv2、AG News 和 Y
PDF2 years ago
COLINGPSP: 面向少样本抽象摘要的预训练软提示
通过新颖的软提示体系结构和提示预训练加微调范式，研究了少样本主动式摘要生成的挑战性任务，使得模型仅调整了极少数的参数。结果显示，与调整所有模型参数的完全模型调优相比，我们的方法在 CNN/DailyMail 和 XSum 数据集上表现得更好
PDF2 years ago
ACL使用孪生网络和标签调节的小样本学习
本文介绍了使用神经网络模型解决文本分类中少样本或无标注样本问题的方法，通过预训练 Siamese Networks 嵌入文本和标签的方式得到了与基于文本蕴含的方法相当的性能，同时增加了标签调整方法，可在少样本的情况下仅通过改变标签嵌入来完成
PDF2 years ago
ACL统一低样本关系抽取的匹配预训练
本文提出了一种 Multi-Choice 匹配网络来统一少样本关系抽取，使用三元组改写元训练来填补零样本和少样本之间的差距，实验结果表明所提出的方法在三种不同的少样本关系抽取任务上表现优异，是少样本关系抽取领域中表现最好的模型。
PDF2 years ago