论文官方一手
半监督文本分类对抗训练方法
精选理由
对从业者而言，该技术可显著降低对海量标注数据的依赖，提升实际场景中低资源分类任务的效果。
本文提出一种结合对抗训练的虚拟对抗训练方法（VAT），通过对抗性扰动增强模型对输入微扰的鲁棒性，在仅有少量标注数据的情况下显著提升文本分类性能。该方法将半监督学习与对抗训练结合，利用了无标注数据的潜在信息。
继续读
同标签或同类目的最近条目Google DeepMind 用 Gemini 智能体发现并验证 Busy Beaver 新加速规则
DeepMind 让 Gemini 智能体自己挑数学问题做发现，11 台 BB(6) 图灵机的规则还过了 Lean 证明，论文可读性很高。
OpenBMB 发现多模态检索"Chaos in the Text"问题，推出 Trident 检索器
OpenBMB 找到了图文混合检索掉分的原因：文本天然比图像得分高。他们的 Trident 模型把 NDCG 从 40 拉到 74，做 RAG 的可以看看。
