摘要： 方法： 首先，利用预训练模型 BERT在标注样本上学习到最优的提示模板；然后，在每条样本中补充提示模板和空缺，将文本分类任务转化为完形填空任务；最后，通过预测空缺位置的 填充词，结合填充词与标签之间的映射关系得到最终的标签。 原因： 文本分类任务通常依赖足量的标注数据，针对低资源场景下的分类模型在小 阅读全文

摘要： 方法： 具体的来说，我们可以在生成模型G和判别模型D中同时加入条件约束来引导数据的生成过程。条件可以是任何补充的信息，如类标签，其它模态的数据等。然后这样的做法应用也很多，比如图像标注，利用text生成图片等等。 原因： 因为原始的GAN过于自由，训练会很容易失去方向，从而导致不稳定又效果差。而Co 阅读全文

摘要： 方法： 基于GPT-3的强大功能：只要给出一个自然语言提示和一些任务演示，GPT-3就能够做出准确的预测，而无需更新其底层局域网的任何权重。 在一个更实际的场景中研究了少数镜头学习，在那里我们使用了更小的语言模型，其中的微调在计算上是有效的。我们提出了lm - bff(更好的语言模型的少量微调)，这 阅读全文