@正在进行中{昭和塔尔-2023-hw,title=“{硬件}-{TSC}位于{S} em(电子){E} 2023年瓦尔任务7:探索{C} 帽子{GPT}和临床试验预训练语言模型”,author=“赵晓峰和张敏和马、苗苗和Su、Chang和刘易伦王明翰和乔、小松和郭嘉欣和李、英禄和马文兵“,editor={Ojha,Atul Kr.和做{\u{g}}ru{\“o}z,A.Seza和Da San Martino、Giovanni和Tayyar Madabushi、Harish和Kumar、Ritesh和Elisa Sartori,booktitle=“第17届语义评估国际研讨会论文集(SemEval-2023)”,月=七月,年=“2023”,address=“加拿大多伦多”,publisher=“计算语言学协会”,url=“https://aclantology.org/2023.semeval-1.221",doi=“10.18653/v1/2023.semeval-1.221”,pages=“1603--1608”,抽象=“在本文中,我们描述了SemEval-2022任务7的多策略系统。该任务旨在确定一个给定的陈述是否得到一个或两个临床试验报告的支持,并确定支持该陈述的证据。这是一项需要高自然语言推理能力的任务。在子任务1中,我们比较了我们的策略基于即时学习和ChatGPT,在零快照设置下使用BERT构造基线,并验证了我们策略的有效性。在子任务2中,我们在不依赖子任务1的结果的情况下微调DeBERTaV3进行分类,并且我们观察到早期停止可以有效防止模型过拟合,这在子任务2中表现良好。此外,我们没有使用任何集成策略。最终,我们在子任务1中获得第十名,在子任务2中获得第二名。”,}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“zhao-etal-2023-hw”><标题信息>2023年SemEval-2023 HW-TSC任务7:探索ChatGPT和临床试验前训练语言模型的自然语言推理能力</title信息><name type=“personal”>小峰<namePart type=“given”>赵<namePart type=“family”><角色>作者</角色></name><name type=“personal”>最小值<namePart type=“family”>张<角色>作者</角色></name><name type=“personal”>苗苗<namePart type=“family”>马</namePart><角色>作者</角色></name><name type=“personal”>Chang(Chang)<namePart type=“family”>苏</namePart><角色>作者</角色></name><name type=“personal”>伊伦<namePart type=“given”>刘<角色>作者</角色></name><name type=“personal”>明翰<namePart type=“given”>王<namePart type=“family”><角色>作者</角色></name><name type=“personal”>小松乔<namePart type=“family”><角色>作者</角色></name><name type=“personal”>嘉兴郭<namePart type=“family”><角色>作者</角色></name><name type=“个人”>英陆<namePart type=“given”>李<namePart type=“family”><角色>作者</角色></name><name type=“personal”>文兵<namePart type=“family”>马</namePart><角色>作者</角色></name><originInfo>发布日期:2023-07发布日期:</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>第17届语义评估国际研讨会(SemEval-2023)会议记录</titleInfo><name type=“personal”><namePart type=“given”>Atul</namePart>韩国Ojha(Ojha)<角色>编辑器</角色></name><name type=“personal”><namePart type=“given”>A</namePart><namePart type=“given”>Seza</namePart>多罗什<角色>编辑器</角色></name><name type=“personal”><namePart type=“given”>乔瓦尼</namePart>达圣马蒂诺<角色>编辑器</角色></name><name type=“personal”>哈利什塔亚尔·马达布西<角色>编辑器</角色></name><name type=“personal”>Ritesh公司库马尔<角色>编辑器</角色></name><name type=“personal”>Elisa(Elisa)Sartori公司<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>加拿大多伦多</地点></originInfo>会议出版物</relatedItem><摘要>在本文中,我们描述了SemEval-2022任务7的多策略系统,该任务旨在确定一个给定的陈述是否得到一份或两份临床试验报告的支持,并确定支持该陈述的证据。这是一项需要高度自然语言推理能力的任务。在子任务1中,我们将基于即时学习和ChatGPT的策略与在零快照设置下使用BERT构建的基线进行了比较,并验证了策略的有效性。在子任务2中,我们在不依赖子任务1的结果的情况下微调DeBERTaV3进行分类,并且我们观察到早期停止可以有效地防止模型过拟合,这在子任务2中表现良好。此外,我们没有使用任何集成策略。最终,我们在子任务1中获得第十名,在子任务2中获得第二名。</abstract><identifier type=“citekey”>zhao-etal-2023-hw10.18653/v1/2023.semeval-1.221<位置><网址>https://aclantology.org/2023.semeval-1.221</url></位置><部分>2023-07年<扩展单元=“page”><开始>1603</开始><end>1608</范围></部分></mods></modsCollection>
%0会议记录%T HW-TSC在SemEval-2023的任务7:探索ChatGPT和临床试验前训练语言模型的自然语言推理能力%A Zhao,小凤%阿章,敏%阿玛,苗苗%阿苏,常%A Liu,伊伦%A Wang、Minghan%阿巧、小松%嘉兴阿果%阿丽、英禄%阿玛、文兵%Y Ojha,Atul Kr。%Y Doğruöz,A.塞扎%乔瓦尼·Y Da San Martino%Y Tayyar Madabushi,哈里什%Y Kumar,Ritesh%伊丽莎·萨托里%第17届语义评估国际研讨会论文集(SemEval-2023)%D 2023年%7月8日%计算语言学协会%C加拿大多伦多%昭和塔尔-2023-hw%X在本文中,我们描述了SemEval-2022任务7的多策略系统。该任务旨在确定一个给定的陈述是否得到一份或两份临床试验报告的支持,并确定支持该陈述的证据。这是一项需要高度自然语言推理能力的任务。在子任务1中,我们将基于即时学习和ChatGPT的策略与在零快照设置下使用BERT构建的基线进行了比较,并验证了策略的有效性。在子任务2中,我们在不依赖子任务1的结果的情况下微调DeBERTaV3进行分类,并且我们观察到早期停止可以有效防止模型过拟合,这在子任务2中表现良好。此外,我们没有使用任何集成策略。最终,我们在子任务1中获得第十名,在子任务2中获得第二名。%R 10.18653/v1/2023.学期-221%U型https://aclantology.org/2023.semeval-1.221%U型https://doi.org/10.18653/v1/2023.semeval-1.221%电话:1603-1608
降价(非正式)
【HW-TSC在SemEval-2023的任务7:探索ChatGPT和临床试验前训练语言模型的自然语言推理能力】(https://aclantology.org/2023.semeval-1.221)(Zhao等人,SemEval 2023)
国际计算语言学协会