CReep

1、使用focal loss focal loss主要是针对不同label进行加权，同时更加关注于hard sample。 首先在原有的基础上加了一个因子，其中gamma>0使得减少易分类样本的损失。

BLEU BLEU （Bilingual Evaluation Understudy，双语评估辅助工具）可以说是所有评价指标的鼻祖，它的核心思想是比较候选译文和参考译文里的 n-gram 的重合程度，

实体关系抽取（ERE）是信息抽取关键任务之一，主要是分为两个子任务：实体抽取和关系抽取。对于该任务主要是有两种方式。

hi，各位伙伴们早上好，好久没有更文了，最近也没有发觉特别有意思的论文，今天给大家带来一篇和Prompt相关的论文，欢迎食用~ 论文地址：https://export.arxiv.org/pdf/22

hi！又到每周分享的时刻了，希望看官老爷们能有收获呀！！！！！！！！！！！！！！ 今天主要给大家介绍两篇有关对比学习的论文。 对比学习这样的方法在自然语言中备受关注。

1、引入非线性，逻辑回归本质上还是广义上的线性函数，表达能力有限，经过离散化后，每个变量有单独的权重，这相当于引入了非线性，能够提升模型的表达能力，加大拟合

今天想和给大家介绍的工作是如何将Prompt应用于多任务的场景，常见的Multi-task模型一般的架构是底部共享参数，然后在顶层每个场景学习自己的私有参数典型的代表模型有MMoE等。

从字面意思上来理解其实self.attention就是自己和自己做相识度计算，其实就是每个词和句子中其他词计算相识度，利用上下文增强目标词的表达。

能力的编码器构建分类任务。然而，在NLP任务中，通过对比学习构建学习对要困难得多。之前的工作产生词级变化以形成对比对，但小的变换可能会导致句子含义的显著变化。