ML and NLP Research Highlights of 2020, Sebastian Ruder,
https://ruder.io/research-highlights-2020/
- Scaling up—and down
- Retrieval augmentation
- Few-shot learning
- Contrastive learning
- Evaluation beyond accuracy
- Practical concerns of large LMs
- Multilinguality
- Image Transformers
- ML for science
- Reinforcement learning
DeepMind 科学家 Ruder 解读 | 2020 年 ML & NLP 领域十大研究热点
https://mp.weixin.qq.com/s/P4gl4h2rqgc8-PG9mVdfSQ
-
模型的扩展(向上)与压缩(向下)
-
检索增强
-
少样本学习
-
对比学习
-
评估,不止准确率
-
大规模LM的现实问题
-
多语言
-
图Transformers
-
ML在科学中的应用
-
强化学习