zero-shot classifiers | BriefGPT

关键词zero-shot classifiers

搜索结果 - 7

基于文本数据的近端因果推断
最近的基于文本的因果方法尝试通过将非结构化文本数据作为部分或不完全测量的混淆变量的代理来减轻混淆偏差。我们提出了一种新的因果推断方法，它使用两个零样本模型从预处理文本数据中推断出两个代理，并将这些代理应用于近端 g 公式中，从而解决了一个重
PDF6 months ago
零样本学习中的类别分布变化：学习鲁棒表征
在这篇研究论文中，我们研究了一个隐藏变量引起的类别分布偏移的情景，针对零样本分类器在训练课程上学习的表示被应用于新的未见类别的情况，我们引入了一种算法用于学习在这种类别分布偏移下具有鲁棒性的数据表示。我们展示了我们的方法，将分层数据抽样与越
PDF7 months ago
AutoCLIP：为视觉 - 语言模型自动调优的零样本分类器
AutoCLIP 是一种自动调整零样本分类器的方法，通过根据推理时间的类描述符 - 图像相似性统计导出每个图像的每个提示模板的权重，并展示在广泛的视觉语言模型、数据集和提示模板中，AutoCLIP 始终稳定地优于基线，并提高了多达 3 百分
PDF9 months ago
ICML跨模型对齐实现文本到概念的转换（双向）
该文提出了基于线性层的文本到概念 (text-to-concept) 方法，通过该方法，将现有的视觉编码器转化为强大的零样本分类器，并进一步提出了概念到文本 (concept-to-text) 的解码方法。
PDFa year ago
文本到图像扩散模型是零样本分类器
通过使用扩散模型的去噪能力作为代理，将零样本分类器应用于 Imagen，探究其知识方面并与 CLIP 进行比较，结果显示 Imagen 与 CLIP 在零样本图像分类方面表现相当，同时在形状 / 纹理偏差测试方面取得了最先进的结果，能够成功
PDFa year ago
ACLCLUES: 使用自然语言解释学习分类器的基准
研究使用自然语言来训练从语言中零样本学习结构化数据的分类器，并提出一个评估标准 CLUES，其包含 36 个现实世界和 144 个合成分类任务的自然语言监督。为实现此目的，开发了 ExEnt，一种基于蕴含的模型，通过学习解释来学习分类器。
PDF2 years ago
使用零样本先验的主动迁移学习：重用过去的数据集以应对未来的任务
本论文研究如何在无标签数据集上解决新的、看似不相关的目标任务时，以现有数据集的形式重用现有知识。研究团队通过使用零样本分类器指导学习过程并重新审视自适应 SVM 的双重公式，提出了一个有效的主动学习算法，可用最少的人工标注努力学习最好的目标
PDF9 years ago