学习通过有限示范样本向人群 defer

本文解决学习 defer 系统在实际部署中受限于数据稀缺的关键问题。我们引入一种基于上下文感知的半监督框架，通过元学习从仅少量示范样本中生成专家特定的嵌入表示。我们展示了一种双目的机制，即这些嵌入表示首先用于生成大量伪标签用于训练，随后用于在测试时实现对新专家的即时适应。在三个不同数据集上的实验结果表明，基于这些合成标签训练的模型能够快速接近最优性能，验证了我们方法的数据效率。通过解决关键训练瓶颈，本工作使得具有自适应能力的 L2D 系统更加实用和可扩展，为人机协作在真实环境中的应用铺平了道路。为确保可重复性并阐述正文未覆盖的实现细节，我们提供了源代码和训练配置，链接为 https://github.com/nil123532/learning-to-defer-to-a-population-with-limited-demonstrations。