实体
In-context learning (ICL)
In-context learning (ICL)
PulseAugur coverage of In-context learning (ICL) — every cluster mentioning In-context learning (ICL) across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新方法从科学论文中提取问题句和方法句
研究人员开发了一种从科学论文中提取问题句和方法句的新方法，以解决小数据集的局限性。他们的方法包括使用公式化表达（FE）脱敏来增强数据，以及使用增强上下文Transformer来提高句子重要性测量。实验表明，他们的方法优于基线模型，取得了更高的宏F1分数，而大型语言模型上下文学习方法被证明不适用于此特定任务。
-
新指标提升LLM任务向量效率，提高准确性
研究人员引入了一个新指标 $d_{\text{NTP}}$，通过衡量基于任务向量的推理与上下文学习（ICL）推理之间的下一个词概率差异，来评估大型语言模型中任务向量的有效性。该指标作为性能代理，与下游准确率呈负相关。基于此，他们开发了线性任务向量（LTV）方法，在各种基准测试和LLM上平均准确率提高了9.2%，并降低了推理延迟。LTV还表现出可迁移性，使用大型模型的任务向量可将小型模型的性能提高6.4%。