一篇新的研究论文探讨了像 Laya 这样的决策编码器的效率，它们使用 LLM 生成的标签进行训练。研究发现，Laya（一个微调的 ModernBERT-large 模型）随着训练数据的增加，准确性显著提高，在使用 50% 的可用行时达到了 84.8%。研究还调查了标签噪声的影响，指出虽然对称噪声的影响适中，但易混淆对噪声会显著降低性能。最终，Laya 的表现优于 TF-IDF 分类器，尤其是在训练数据有限的情况下。 AI
影响 探讨了决策编码器的最佳数据标记策略，可能提高分类任务的效率。
排序理由 一篇在 arXiv 上发表的研究论文，详细介绍了模型的性能和数据效率。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
