AAdaM在SemEval-2024任务1中：面向多语言语义文本相关性的增强与适应

本文介绍了我们为SemEval-2024任务1开发的系统：非洲和亚洲语言的语义文本相关性。该共享任务旨在测量句子对之间的语义文本相关性，重点关注一系列代表性不足的语言。在这项工作中，我们提出使用机器翻译进行数据增强，以应对训练数据有限的低资源挑战。此外，我们对未标记的任务数据应用任务自适应预训练，以弥合预训练和任务适应之间的差距。对于模型训练，我们研究了全微调和基于适配器的微调，并采用适配器框架实现有效的零样本跨语言迁移。我们在共享任务中取得了有竞争力的结果：我们的系统在子任务A（监督学习）和子任务C（跨语言迁移）中均表现最佳。