prompt-based-learning

本文研究了基于提示学习的方法来自动生成学术论文的亮点，使用了GPT-2、T5和ChatGPT等模型，并表明使用少量样本提示的ChatGPT在无需任务特定训练数据的情况下，其表现可与监督方法相媲美甚至更优。

本文研究了使用基于提示学习的大语言模型进行少样本生物医学关系抽取，比较了配对分类和联合生成两种方法。最佳模型实现了0.44的微F1值，显著优于此前的少样本结果，但仍低于监督基线。在宏F1值上，基于提示的方法在稀有关系类型上超越了监督基线，达到了0.45比0.38。