ZeroPrompt 首个中文多任务Prompt 论文解读分享

上一篇文章我们对Prompt Learning(PL)进行了全面扫盲(可以看一下我专栏里的上一篇文章),基本上整个PL领域的各个方法和套路,大家应该都掌握了。进一步地,领域内非常突出的工作有助于我们将PL的思路想法更好地落地到工业界中,所以今天分享一篇首个中文多任务Prompt方法的论文解读,个人感觉这篇论文对于PL落地工业界的启发和应用价值还是比较大的。以下内容为PPT形式。

在这里插入图片描述

1. Abstract

在这里插入图片描述

2. Introduction

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3. ZeroPrompt

在这里插入图片描述
在这里插入图片描述

3.1 Zero-shot Adaptation with Few-shot Validation

在这里插入图片描述

3.2 Datasets for scaling to 1000+ tasks

在这里插入图片描述
在这里插入图片描述

3.3 Genetic Prompt Search

在这里插入图片描述

3.4 Prompt Design

3.4.1 PL工作流回顾

在这里插入图片描述

3.4.2 Prompt Design

在这里插入图片描述

3.5 总结

在这里插入图片描述

4. Experiment

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

5. 参考资料

原论文内容
ZeroPrompt:利用了1000个中文数据集!首个中文多任务Prompt统一模型,zeroshot性能可比微调!

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

Xu_Wave

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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