NLP最新遷移學習方法微調語言模型，可將誤差減少超過20%

可以這樣說，遷移學習已經促使計算機視覺領域發生了具有革命性的變化，但對於自然語言處理（NLP）中的現有方法來說，仍然需要從零開始對其進行鍼對於特定任務的修改和訓練。我們提出了微調語言模型（Fine-tuned Language Models，FitLaM），這是一種有效的遷移學習方法，可以應用於NLP中的任何任務，並且引入一些關鍵技術以對現有最先進的語言模型進行微調。我們的方法在五個文本分類任務上

>>阅读原文<<