PADA: Example-based Prompt Learning for on-the-fly Adaptation to Unseen Domains

本文提出了PADA,一个基于T5模型的自回归提示学习算法,用于实时的任意领域适应。PADA在多个源领域上训练,通过生成与样本相关的领域相关特征(DRFs)作为提示,实现在未知领域样本的精确标记。通过在文本分类、序列标注等任务上的实验,PADA在14个不同场景下优于强基线模型,证明了其在处理跨领域适应问题的有效性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Abstract

  • 本文主要解决领域适应问题,即在几个源领域上训练算法,使其可以应用到未知领域的样本上。
  • PADA:An example-based autoregressive Prompt learning algorithm for
    on-the-fly Any-Domain Adaptation
    • 基于 T5 模型
    • 给定一个测试样本,PADA 首先生成一个唯一的 prompt,然后基于这个 prompt,使用 NLP 预测任务对前述样本进行打标。
    • PADA 的训练目标:生成由不限长度的 token 序列组成的 prompt. 这个 prompt 中包含 领域相关特征 DRFs (Domain Related Features)
      • DRF 刻画了每个 source domains
      • 直觉上来说,生成的 prompt 是给定样本的唯一签名,并将其映射到了由 source domains 组成的语义空间
  • 在三个任务(text clas
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值