​在英特尔至强 CPU 上使用 Optimum Intel 实现超快 SetFit 推理

在缺少标注数据场景，SetFit 是解决的建模问题的一个有前途的解决方案，其由 Hugging Face 与Intel 实验室以及UKP Lab合作共同开发。作为一个高效的框架，SetFit 可用于对Sentence Transformers模型进行少样本微调。

SetFit 仅需很少的标注数据就能达到较高的准确率，例如，在使用 3-示例提示时，SetFit优于GPT-3.5；在使用 5-示例提示时，其在 Banking 77 金融意图数据集上的表现也优于使用 3-示例提示的 GPT-4。

• Intel 实验室https://www.intel.com/content/www/us/en/research/overview.html

• UKP Labhttps://www.informatik.tu-darmstadt.de/ukp/ukphome/index.en.jsp

• Sentence Transformershttps://sbert.net/

• SetFit 优于 GPT-3.5https://arxiv.org/pdf/2311.06102.pdf

与基于 LLM 的方法相比，SetFit 有两个独特的优势：

• 声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/不正经/article/detail/574819