別再用假任務做小樣本學習實驗了！來試試這個全新基準數據集

©PaperWeekly · 作者｜侯宇泰 學校｜哈爾濱工業大學博士生 研究方向｜自然語言處理 NLP 小樣本研究往往使用人爲構造的 N 分類任務來評價模型性能。然而，一方面，這些人造的簡單任務不能反映真實世界 NLP 問題的複雜性；另一方面，現有 NLP 小樣本研究缺乏一個統一的 benchmark，導致實驗效率低下。 爲此，我們標註了全新的小樣本聯合學習基準數據集 FewJoint，並基於該數

>>阅读原文<<