硬件-TSC公司在S公司相对长度单位E类val-2023任务7：探索自然语言推理能力C类帽子GPT公司临床试验的预训练语言模型

赵晓峰,张敏（音）,马妙妙,张素（Chang Su）,刘一伦,王明翰,小宋乔,郭嘉欣,李英禄,马文彬

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的策略与在零射击设置中使用BERT构建的基线进行了比较，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。
选集ID：
2023.学期-221
音量：
第17届国际语义评估研讨会论文集（SemEval-2023）
月份：
七月
年份：
2023
地址：
加拿大多伦多
编辑：
Atul Kr.Ojha公司,A.塞萨·多奥鲁兹,乔瓦尼·达·圣马蒂诺,哈里什·塔亚尔·马达布西,Ritesh Kumar公司,伊丽莎·萨托里
地点：
SemEval公司
SIG公司：
SIGLEX公司
出版商：
计算语言学协会
注：
页：
1603–1608
语言：
网址：
https://aclantology.org/2023.semeval-1.221
内政部：
10.18653/v1/2023.紧急情况-1.221
比比键：
引用（ACL）：
2023年，赵晓峰、张敏、马淼淼、张苏、刘一伦、王明翰、乔晓松、郭嘉欣、李英禄和马文兵。SemEval-2023的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.英寸第17届语义评估国际研讨会会议记录（SemEval-2023），第1603-1608页，加拿大多伦多。计算语言学协会。
引用（非正式）：
SemEval-2023的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（Zhao等人，SemEval 2023）
复制引文：
PDF格式：
https://aclantology.org/2023.semeval-1.221.pdf
PDF格式 引用 搜索