BriefGPT.xyz
Ask
alpha
关键词
loss embedding
搜索结果 - 1
ACL
多语言少样本转移数据选择的关键是模型中的多样化和不确定性
本文探索了各种数据选择策略,依靠多个度量,利用了渐变嵌入和损失嵌入方法,以提高针对多语言预训练模型的 POS 标记、NER 和 NLI 任务的 Few-shot 迁移的性能。实验证明,所提出的方法始终优于随机数据选择基线,即使仅使用更少的标
→
PDF
2 years ago
Prev
Next