本論文は、読解難易度評価(Readability Assessment: RA)タスクにおいて、言語的特徴を組み込んだプロンプトチューニング手法を提案している。
まず、入力テキストから言語的特徴を抽出し、それらを学習可能な軟プロンプトとして埋め込む。さらに、クラス間の類似度関係を保持するための新しい損失関数を導入する。この手法により、言語的知識をプロンプトチューニングに効果的に活用できる。
実験では、中国語と英語の3つのRAデータセットで評価を行った。提案手法は、従来のプロンプトチューニング手法や言語的特徴を融合した手法を大きく上回るパフォーマンスを示した。特に、少量のデータ(few-shot)設定でも安定した性能向上が確認された。
また、提案手法は大規模言語モデルのgpt-3.5-turbo-16kを上回る結果を示した。これは、言語的特徴を適切に組み込むことで、少量データ下でも高性能な読解難易度評価が可能であることを示唆している。
本研究は、言語的知識を活用したプロンプトチューニングの新しい枠組みを提示し、読解難易度評価タスクにおける有効性を実証した。
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문