Buchumschlag

Dental Severity Assessment through Few-shot Learning and SBERT Fine-tuning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Dehghani, Mohammad
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

RIFF: Learning to Rephrase Inputs for Few-shot Fine-tuning of Language Models
von: Najafi, Saeed, et al.
Veröffentlicht: (2024)

Revisit Few-shot Intent Classification with PLMs: Direct Fine-tuning vs. Continual Pre-training
von: Zhang, Haode, et al.
Veröffentlicht: (2023)

Fine-tuning Pre-trained Language Models for Few-shot Intent Detection: Supervised Pre-training and Isotropization
von: Zhang, Haode, et al.
Veröffentlicht: (2022)

SPARSEFIT: Few-shot Prompting with Sparse Fine-tuning for Jointly Generating Predictions and Natural Language Explanations
von: Solano, Jesus, et al.
Veröffentlicht: (2023)

A comprehensive cross-language framework for harmful content detection with the aid of sentiment analysis
von: Dehghani, Mohammad
Veröffentlicht: (2024)

SBERT studies Meaning Representations: Decomposing Sentence Embeddings into Explainable Semantic Features
von: Opitz, Juri, et al.
Veröffentlicht: (2022)

Cost-Efficient Subjective Task Annotation and Modeling through Few-Shot Annotator Adaptation
von: Golazizian, Preni, et al.
Veröffentlicht: (2024)

FPT: Feature Prompt Tuning for Few-shot Readability Assessment
von: Wang, Ziyang, et al.
Veröffentlicht: (2024)

ILLUMINER: Instruction-tuned Large Language Models as Few-shot Intent Classifier and Slot Filler
von: Mirza, Paramita, et al.
Veröffentlicht: (2024)

QoSBERT: An Uncertainty-Aware Approach based on Pre-trained Language Models for Service Quality Prediction
von: Wang, Ziliang, et al.
Veröffentlicht: (2025)

Chem-FINESE: Validating Fine-Grained Few-shot Entity Extraction through Text Reconstruction
von: Wang, Qingyun, et al.
Veröffentlicht: (2024)

Large Margin Prototypical Network for Few-shot Relation Classification with Fine-grained Features
von: Fan, Miao, et al.
Veröffentlicht: (2024)

Detecting Reddit Users with Depression Using a Hybrid Neural Network SBERT-CNN
von: Chen, Ziyi, et al.
Veröffentlicht: (2023)

Learning to Learn for Few-shot Continual Active Learning
von: Ho, Stella, et al.
Veröffentlicht: (2023)

Few Dimensions are Enough: Fine-tuning BERT with Selected Dimensions Revealed Its Redundant Nature
von: Fukuhata, Shion, et al.
Veröffentlicht: (2025)

On the Utility of Domain-Adjacent Fine-Tuned Model Ensembles for Few-shot Problems
von: Alam, Md Ibrahim Ibne, et al.
Veröffentlicht: (2024)

Benign Samples Matter! Fine-tuning On Outlier Benign Samples Severely Breaks Safety
von: Guan, Zihan, et al.
Veröffentlicht: (2025)

Retrieval-style In-Context Learning for Few-shot Hierarchical Text Classification
von: Chen, Huiyao, et al.
Veröffentlicht: (2024)

X-Shot: A Unified System to Handle Frequent, Few-shot and Zero-shot Learning Simultaneously in Classification
von: Xu, Hanzi, et al.
Veröffentlicht: (2024)

Agent Fine-tuning through Distillation for Domain-specific LLMs in Microdomains
von: Xue, Yawen, et al.
Veröffentlicht: (2025)

Political DEBATE: Efficient Zero-shot and Few-shot Classifiers for Political Text
von: Burnham, Michael, et al.
Veröffentlicht: (2024)

Learning or Self-aligning? Rethinking Instruction Fine-tuning
von: Ren, Mengjie, et al.
Veröffentlicht: (2024)

Few-shot text-based emotion detection
von: Marchitan, Teodor-George, et al.
Veröffentlicht: (2025)

Enhancing Readmission Prediction with Deep Learning: Extracting Biomedical Concepts from Clinical Texts
von: Samani, Rasoul, et al.
Veröffentlicht: (2024)

Persian Typographical Error Type Detection Using Deep Neural Networks on Algorithmically-Generated Misspellings
von: Dehghani, Mohammad, et al.
Veröffentlicht: (2023)

Few-shot Dialogue Strategy Learning for Motivational Interviewing via Inductive Reasoning
von: Xie, Zhouhang, et al.
Veröffentlicht: (2024)

Pre-trained Language Models and Few-shot Learning for Medical Entity Extraction
von: Wang, Xiaokai, et al.
Veröffentlicht: (2025)

Explainable Few-shot Knowledge Tracing
von: Li, Haoxuan, et al.
Veröffentlicht: (2024)

Bilingual Sexism Classification: Fine-Tuned XLM-RoBERTa and GPT-3.5 Few-Shot Learning
von: Azadi, AmirMohammad, et al.
Veröffentlicht: (2024)

Memento: Fine-tuning LLM Agents without Fine-tuning LLMs
von: Zhou, Huichi, et al.
Veröffentlicht: (2025)

Few Tokens, Big Leverage: Preserving Safety Alignment by Constraining Safety Tokens during Fine-tuning
von: Wang, Guoli, et al.
Veröffentlicht: (2026)

Effectiveness of Pre-training for Few-shot Intent Classification
von: Zhang, Haode, et al.
Veröffentlicht: (2021)

Adapting Knowledge for Few-shot Table-to-Text Generation
von: Guo, Zhixin, et al.
Veröffentlicht: (2023)

Zero and Few-shot Semantic Parsing with Ambiguous Inputs
von: Stengel-Eskin, Elias, et al.
Veröffentlicht: (2023)

Zero-shot and Few-shot Learning with Instruction-following LLMs for Claim Matching in Automated Fact-checking
von: Pisarevskaya, Dina, et al.
Veröffentlicht: (2025)

Zero-shot and Few-shot Generation Strategies for Artificial Clinical Records
von: Frayling, Erlend, et al.
Veröffentlicht: (2024)

StablePT: Towards Stable Prompting for Few-shot Learning via Input Separation
von: Liu, Xiaoming, et al.
Veröffentlicht: (2024)

Q-Tuning: Queue-based Prompt Tuning for Lifelong Few-shot Language Learning
von: Guo, Yanhui, et al.
Veröffentlicht: (2024)

Hybrid Multi-stage Decoding for Few-shot NER with Entity-aware Contrastive Learning
von: Liu, Congying, et al.
Veröffentlicht: (2024)

Generative Retrieval with Few-shot Indexing
von: Askari, Arian, et al.
Veröffentlicht: (2024)