適応器ベースの多言語タスク転移における Fisher 情報を用いたスケジュール解凍による一般化の改善

適応器ベースの多言語タスク転移において、スケジュール解凍手法を用いることで、完全微調整と同等の性能を達成し、さらに一般化性能を向上させることができる。また、Fisher 情報の学習ダイナミクスの分析から、スケジュール解凍がタスクの一般化性能と相関することが示唆される。