CCIME

专家指导技能提示提高了中文隐喻识别的跨数据集稳定性

研究人员调查了在不同数据集上改进中文隐喻识别的方法。他们比较了四种方法：BERT微调（BERT-FT）、基于QLoRA的大模型微调（LLM-FT）、直接零样本大模型提示（LLM-ZS）以及带有程序性技能的零样本提示（Skill-ZS）。虽然微调方法在其原生数据集上达到了更高的准确率，但Skill-ZS在多个外部数据集上表现出更稳定的性能，表明它是一种用于获得一致的跨数据集结果的补充方法。