★ 2
RSP：基于扰动的数据选择方法提升医疗问答微调
研究者提出基于最终层表征高斯扰动的数据选择方法 RSP 与 RSP-Drop，利用预测翻转频率与边际收缩两个信号，在熵预筛后挑选紧凑训练子集。用 MedGemma-4B 在五个医疗问答数据集上测试，128 样本预算下 Macro-F1 达 47.55 与 48.28，高于随机选择的 45.11。作…
arXiv NLP6 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究者提出基于最终层表征高斯扰动的数据选择方法 RSP 与 RSP-Drop，利用预测翻转频率与边际收缩两个信号，在熵预筛后挑选紧凑训练子集。用 MedGemma-4B 在五个医疗问答数据集上测试，128 样本预算下 Macro-F1 达 47.55 与 48.28，高于随机选择的 45.11。作…