Affinity 与 Diversity：基于内部表示的统一演示选择度量
计算与语言
2025-02-21 v1 人工智能
机器学习
摘要
In-Context Learning (ICL) 的性能对所选演示高度敏感。现有的演示选择方法优化不同的目标，导致结果不一致。为此，我们提出了统一度量--affinity 与 diversity--利用 ICL 模型的内部表示。我们的实验表明，affinity 与 diversity 与测试准确率高度相关，表明其对演示选择的有效性。此外，我们展示所提度量与各种前工作良好对齐，以统一不一致性。
引用
@article{arxiv.2502.14380,
title = {Affinity and Diversity: A Unified Metric for Demonstration Selection via Internal Representations},
author = {Mariko Kato and Hakaze Cho and Yoshihiro Sakai and Naoya Inoue},
journal= {arXiv preprint arXiv:2502.14380},
year = {2025}
}
备注
8 pages, 10 figures