本論文では、限定的なデータ環境下でも優れた性能を発揮する「限定プロトタイプ修正プロンプト学習(CPR)」を提案している。
CPRは以下の2つの戦略から成る:
これらの2つの戦略により、CPRは基底クラスの偏りを軽減し、限定的なデータからも効果的にタスク固有の知識を獲得できる。
11個のベンチマークデータセットでの評価実験の結果、CPRは少shot学習と基底クラスから新クラスへの一般化の両方で、従来手法を大きく上回る性能を示した。特に、細粒度分類タスクでも優れた結果を得ている。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Haoxing Chen... at arxiv.org 04-16-2024
https://arxiv.org/pdf/2404.09872.pdfDeeper Inquiries