ŠTEFÁNIK, Michal, Vít NOVOTNÝ, Nikola GROVEROVÁ a Petr SOJKA. AdaptOr: Objective-Centric Adaptation Framework for Language Models. In Valerio Basile, Zornitsa Kozareva, Sanja Stajner. Proceedings of the 60th Conference of Association of Computational Linguistics, ACL 2022. Dublin, Irsko: Association for Computational Linguistics, ACL. s. 261-269. ISBN 978-1-955917-24-7. doi:10.18653/v1/2022.acl-demo.26. 2022.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název AdaptOr: Objective-Centric Adaptation Framework for Language Models
Autoři ŠTEFÁNIK, Michal (703 Slovensko, garant, domácí), Vít NOVOTNÝ (203 Česká republika, domácí), Nikola GROVEROVÁ (203 Česká republika) a Petr SOJKA (203 Česká republika, domácí).
Vydání Dublin, Irsko, Proceedings of the 60th Conference of Association of Computational Linguistics, ACL 2022, od s. 261-269, 9 s. 2022.
Nakladatel Association for Computational Linguistics, ACL
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Spojené státy
Utajení není předmětem státního či obchodního tajemství
Forma vydání elektronická verze "online"
WWW Preprint publisher's PDF paper with code
Kód RIV RIV/00216224:14330/22:00125674
Organizační jednotka Fakulta informatiky
ISBN 978-1-955917-24-7
ISSN 0736-587X
Doi http://dx.doi.org/10.18653/v1/2022.acl-demo.26
Klíčová slova česky plnotextové vyhledávání; doménová adaptace
Klíčová slova anglicky Adaptor library; domain adaptation; similarity search; vector space; embeddings
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: RNDr. Pavel Šmerk, Ph.D., učo 3880. Změněno: 28. 3. 2023 10:35.
Anotace
Progress in natural language processing research is catalyzed by the possibilities given by the widespread software frameworks. This paper introduces the Adaptor library that transposes the traditional model-centric approach composed of pre-training + fine-tuning steps to the objective-centric approach, composing the training process by applications of selected objectives. We survey research directions that can benefit from enhanced objective-centric experimentation in multitask training, custom objectives development, dynamic training curricula, or domain adaptation. Adaptor aims to ease the reproducibility of these research directions in practice. Finally, we demonstrate the practical applicability of Adaptor in selected unsupervised domain adaptation scenarios.
Návaznosti
MUNI/A/1230/2021, interní kód MUNázev: Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity 22 (Akronym: SKOMU)
Investor: Masarykova univerzita, Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity 22
VytisknoutZobrazeno: 23. 4. 2024 10:09