class-balanced-normalization

SURGeLLM 引入了一个统一的Transformer框架，包含精细化特征门控、任务条件前缀标记和实例加权归一化，以解决多任务学习中的归纳偏差不匹配、类别不平衡和词汇知识注入问题，在四个不同的NLP任务上取得了显著提升。