LLM适应策略在气候披露任务中应对源转移面临挑战

一篇新发表在arXiv上的研究调查了在面临气候披露分类中“源转移”时，常用的大型语言模型（LLM）适应策略的有效性。研究发现，虽然基于相似性的检索和LoRA微调等策略在单一来源内表现良好，但当文本来源发生变化时，它们的有效性会下降。随机选择的少样本示例和定义等更简单的方法，在不同来源之间表现出更一致的性能，其中定义在粒度与目标文本一致时显示出最可靠的可转移性。 AI

影响 强调了在不同文本来源应用LLM适应技术所面临的挑战，表明更简单的方法可能在跨来源任务中更具鲁棒性。

排序理由 该集群包含一篇详细介绍LLM适应策略研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• Influence Flower
• Lora
• ScienceCast

• 论文
• 模型发布

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