【論文筆記】Multi-task Learning with Sample Re-weighting for Machine Reading Comprehension（2019，NAACL）

這篇論文主要提出了一種多任務學習（Muti-Task Learning, MTL）運用於MRC技術時，以「給輔助數據集添加權重」的方式來衡量數據可能的貢獻，以此也防止非領域數據對模型的污染，其中自動添加權重的思路非常巧妙，值得學習。 1.介紹 作者認爲相對於模型龐大的參數量，數據集還是太小了。 實際上已經不算小了，但對於一些領域特定的數據集，確實還是沒有足夠的數據量。 因此，作者把目光頭像了MTL

>>阅读原文<<