海量选择，充足任务（MaChAmp）：面向NLP多任务学习的工具包
计算与语言
2021-03-12 v4
摘要
迁移学习，特别是将多任务学习与预训练上下文嵌入和微调相结合的方法，近年来极大地推动了自然语言处理领域的发展。在本文中，我们介绍了MaChAmp，一个用于在多任务设置中轻松微调上下文嵌入的工具包。MaChAmp的优势在于其灵活的配置选项，以及在一个统一的工具包中支持各种自然语言处理任务，从文本分类和序列标注到依存句法分析、掩码语言建模和文本生成。
引用
@article{arxiv.2005.14672,
title = {Massive Choice, Ample Tasks (MaChAmp): A Toolkit for Multi-task Learning in NLP},
author = {Rob van der Goot and Ahmet Üstün and Alan Ramponi and Ibrahim Sharaf and Barbara Plank},
journal= {arXiv preprint arXiv:2005.14672},
year = {2021}
}
备注
EACL demo version (MaChAmp 0.2) https://machamp-nlp.github.io/