KUCST 在 CheckThat 2023 中的表现：通用模型能有多好？
计算与语言
2023-06-16 v1
摘要
在本文中，我们介绍了在 CheckThat2023 共享任务中针对任务 2 和 3A 的方法。我们采用了一种受作者身份归属与画像启发、曾用于解决多种不同任务的通用方法。我们训练了若干机器学习模型，结果表明梯度提升（Gradient Boosting）在两项任务上均表现最佳。根据共享任务组织者提供的官方排名，我们的模型相较于其他团队表现处于平均水平。
引用
@article{arxiv.2306.09108,
title = {KUCST at CheckThat 2023: How good can we be with a generic model?},
author = {Manex Agirrezabal},
journal= {arXiv preprint arXiv:2306.09108},
year = {2023}
}