提示优于微调：用于法定术语检索的生成预期值评分

一篇新发表在arXiv上的研究论文表明，对于法定术语检索，仅解码器语言模型的零样本提示优于监督微调方法。该研究比较了两种根据案例法句子解释美国法典中法律概念的有用性进行排名的方​​法。提示方法取得了优于先前在该任务上的最先进性能的卓越结果。 AI

影响 证明了提示是专业NLP任务的一种可行的微调替代方案，有可能降低计算成本。

排序理由 在arXiv上发表的研究论文，详细介绍了一种新的信息检索方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

• alphaXiv
• arXiv
• Bert
• CatalyzeX
• Connected Papers
• DagsHub
• Gotit.pub
• Hugging Face
• Litmaps
• ModernBERT
• ScienceCast
• scite Smart Citations
• United States Code

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →