Corroborative Learning

协同学习通过任务-响应重建增强AI模型

研究人员引入了协同学习（CL），这是一种新颖的方法，旨在利用互补优势来增强模型能力，而无需强制收敛。CL涉及模型生成任务驱动的响应，并从协作者那里获得跨组支持，重点在于从协作者表示中重建响应增量。该方法在不相关的组之间分离拟合和评估，并根据跨组可重构性选择性地约束方向。在24个模型上的六项语言任务的实验表明，CL在性能上始终优于独立适应的模型，在现有迁移学习和互学习方法方面显示出广泛优势。