实体
News Classification from Social Media Using Twitter-based Doc2Vec Model and Automatic Query Expansion
News Classification from Social Media Using Twitter-based Doc2Vec Model and Automatic Query Expansion
PulseAugur coverage of News Classification from Social Media Using Twitter-based Doc2Vec Model and Automatic Query Expansion — every cluster mentioning News Classification from Social Media Using Twitter-based Doc2Vec Model and Automatic Query Expansion across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
ICARE框架解决了跨域文本分类中的灾难性遗忘问题
研究人员开发了ICARE,一个旨在提高自然语言推理(NLI)系统性能的新框架,特别是在跨域文本分类方面。该框架解决了灾难性遗忘问题,即NLI系统在训练新任务时会丢失先前学到的知识。ICARE利用基于表示学习的实例选择模块来选择最优训练样本,并采用在特征和logit层面转移知识的知识蒸馏方法。在基准数据集上的评估表明,ICARE显著提高了目标准确性并减少了遗忘,使得NLI系统在不同任务中更具适应性和有效性。
-
研究:LLM 中的少样本退化与任务相关,新指标显示
一篇新的研究论文调查了语言模型中“少样本退化”的现象,即提供示例有时会损害性能而不是提高性能。该研究在乌克兰新闻分类和法律案件结果预测任务上测试了 12 个开源模型,发现退化效应高度依赖于特定任务。研究人员开发了一种名为“内容增量”的新指标,用于将演示内容的影响与提示长度分离开来,结果表明,模型表示因演示内容而非提示长度而发生的变化是少样本性能的关键预测因子。