论文泛读169少数线索：中文的小样本学习评估基准

Posted 2021-08-15 及时行樂_

贴一下汇总贴：论文阅读记录

论文链接：《FewCLUE: A Chinese Few-shot Learning Evaluation Benchmark》

一、摘要

预训练语言模型 (PLM) 在自然语言理解任务中取得了巨大成功。虽然针对英语等语言已经广泛探索和比较了不同的学习方案——微调、零样本和少样本学习——但在中文方面，公平、全面地评估和比较这些方法的工作相对较少。这项工作首先介绍了中文小样本学习评估基准（FewCLUE），这是中文第一个综合性小样本评估基准。它包括九个任务，从单句和句子对分类任务到机器阅读理解任务。鉴于小样本学习性能的高方差，我们提供了多个训练/验证集，以促进对小样本建模的更准确和稳定的评估。提供了每项任务最多包含 20,000 个额外样本的未标记训练集，使研究人员能够探索使用未标记样本的更好方法。接下来，我们实现了一组最先进的 (SOTA) 小样本学习方法（包括 PET、ADAPET、LM-BFF、P-tuning 和 EFL），并将它们的性能与微调和零-新构建的FewCLUE基准上的镜头学习方案。我们的结果表明：1）所有五种小镜头学习方法都表现出比微调或零镜头学习更好的性能；2）五种方法中，PET是表现最好的少拍方法；3）小样本学习性能高度依赖于特定任务。我们的基准测试和代码可在 允许研究人员探索使用未标记样本的更好方法。接下来，我们实现了一组最先进的 (SOTA) 小样本学习方法（包括 PET、ADAPET、LM-BFF、P-tuning 和 EFL），并将它们的性能与微调和零-新构建的FewCLUE基准上的镜头学习方案。我们的结果表明：1）所有五种小镜头学习方法都表现出比微调或零镜头学习更好的性能；2）五种方法中，PET是表现最好的少拍方法；3）小样本学习性能高度依赖于特定任务。我们的基准测试和代码可在 允许研究人员探索使用未标记样本的更好方法。接下来，我们实现了一组最先进的 (SOTA) 小样本学习方法（包括 PET、ADAPET、LM-BFF、P-tuning 和 EFL），并将它们的性能与微调和零-新构建的FewCLUE基准上的镜头学习方案。我们的结果表明：1）所有五种小镜头学习方法都表现出比微调或零镜头学习更好的性能；2）五种方法中，PET是表现最好的少拍方法；3）小样本学习性能高度依赖于特定任务。我们的基准测试和代码可在 并在新构建的FewCLUE基准上将它们与微调和零样本学习方案的性能进行比较。我们的结果表明：1）所有五种少样本学习方法都表现出比微调或零样本学习更好的性能；2）五种方法中，PET是表现最好的少拍方法；3）小样本学习性能高度依赖于特定任务。我们的基准测试和代码可在 并在新构建的FewCLUE基准上将它们与微调和零样本学习方案的性能进行比较。我们的结果表明：1）所有五种少样本学习方法都表现出比微调或零样本学习更好的性能；2）五种方法中，PET是表现最好的少拍方法；3）小样本学习性能高度依赖于特定任务。我们的基准测试和代码可在这里：github。

二、结论

本文介绍了国内第一个系统全面的少拍学习基准FewCLUE。它有三种不同类型的NLU任务，总共包括九个任务。我们还提供多种训练和验证集来处理少拍学习中的不稳定性问题。除了用于排行榜的私有测试集，我们还提供了可用于研究目的的公共测试集。此外，大量未标记数据可用于无监督和半监督学习。在基准上评估不同的学习方法，包括微调、少镜头学习和使用预训练语言模型的零镜头学习。我们还报告人的表现，以更好地理解任务的原生和模型的潜力。FewCLUE的实验结果表明，我们的任务对模型具有挑战性，并为未来的研究留下了很大的空间。我们计划在2021-08-17使用五个拆分更新实验结果，并获得平均分数。

与此同时，我们还将进行更多的实验，例如使用额外的步骤(而不是随机初始化)来初始化未使用令牌的嵌入，以进行P调优。

三、方法

• 我们构建了第一个系统、全面的少拍（few-shot）中文理解评测基准，提供了强有力的基线和人性化的评测。我们相信，该基准将有助于中国NLU的少拍（few-shot）学习研究。
• 为了适应不同的少镜头学习场景，我们采用了统一的少镜头学习评估方法，包括各种训练/验证分割，以实现准确和稳定的评估，并带有额外的未标记数据。我们认为这在评估不同的少拍学习范例中至关重要。
• 基于我们的基准，我们发现基于模板的方法(Schick和Sch utze，2021aSchick和Sch utze，2021b)可以获得比基于微调的方法(Liu等人，2021)更好的性能，这可以为NLP领域的研究人员和实践者提供一些指导和有前途的研究方向。此外，虽然自动生成模板的方法有很多，但我们的实验表明，手动创建的模板是最好的。