一项新的研究论文重新审视了数据集制图的概念,该概念认为特定类型的数据子集,如模糊示例,可以显著提高分布外泛化能力。该研究侧重于抽取式问答,这是一项比以往评估更复杂的任务。虽然模糊子集在随机子集方面显示出优势,但在大多数评估中,完整数据训练的表现始终优于模糊排序子集,这表明虽然制图对于数据选择很有用,但在此特定任务中,它并不能完全取代对全面数据集的需求。 AI
影响 数据集制图在复杂问答任务中对于分布外泛化的效用有限,表明完整数据集仍然至关重要。
排序理由 研究论文发表在arXiv上,详细介绍了用于抽取式对抗性问答的数据集制图。[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 →