AdapterHub Playground：基于适配器的简洁灵活少样本学习工具
计算与语言
2022-04-20 v3
摘要
通过在线仓库开放获取预训练语言模型，已促使最先进的自然语言处理（NLP）研究民主化。这也使NLP领域之外的人能够使用此类模型并将其适配到特定用例。然而，仍需要一定的技术熟练度，这对希望将模型应用于特定任务但缺乏必要知识或资源的用户构成了入门障碍。本文旨在提供一种无需编写一行代码即可利用预训练模型的工具，以克服这一鸿沟。基于用于迁移学习的参数高效适配器模块，我们的AdapterHub Playground提供了直观的界面，允许在各种NLP任务中对文本数据进行预测、训练和分析时使用适配器。我们介绍了该工具的架构，并通过原型用例展示其优势，表明在少样本学习场景下预测性能可轻松提升。最后，我们在用户研究中评估了其可用性。我们在 https://adapter-hub.github.io/playground 提供了代码和在线界面。
引用
@article{arxiv.2108.08103,
title = {AdapterHub Playground: Simple and Flexible Few-Shot Learning with Adapters},
author = {Tilman Beck and Bela Bohlender and Christina Viehmann and Vincent Hane and Yanik Adamson and Jaber Khuri and Jonas Brossmann and Jonas Pfeiffer and Iryna Gurevych},
journal= {arXiv preprint arXiv:2108.08103},
year = {2022}
}
备注
ACL 2022 System Demonstrations