热点事件持续更新
UniBuc提出基于SOLAR定制提示词的临床NLI方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
UniBuc团队在SemEval-2024 Task 2临床自然语言推理（Clinical NLI）任务中，提出了一种基于定制提示词的方法。该方案使用未经微调的SOLAR Instruct模型，在零样本（zero-shot）与少样本（few-shots）设置下，针对临床试验报告（CTR）各部分分别定制提示词。最终该方法取得了0.72的一致性分数，位列排行榜第14名。团队分析还发现，模型在处理保持语义的变化时倾向于依赖简单启发式走捷径。
AI 根据报道生成 · 2 小时前更新
最新进展10月2日 12:00
UniBuc团队公布SemEval-2024临床NLI方法，取得0.72一致性分数并位列第14名。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv 自然语言处理UniBuc 在 SemEval-2024 Task 2：基于 SOLAR 定制提示词的临床 NLI 方法
UniBuc 团队在 SemEval 2024 Task 2 临床自然语言推理任务中，使用未经微调的 SOLAR Instruct 模型与定制提示词策略。该方法在 zero-shot 与 few-shots 下针对 CTR 各部分定制提示词，取得 0.72 的一致性分数并位列排行榜第 14 名。分析显示模型在处理保持语义的变化时倾向于依赖简单启发式走捷径。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。