google / google/example_extrapolation

Did you use clinc150 data_imbalanced vs data_full?

Ouverte
#1 3 commentaires 0 réactions 0 personnes assignées Voir sur GitHub
Langage dominant
Python
Étoiles
9
Forks
4
Métriques de merge des PR
Aucune PR mergée en 30 j

Description

Hi,

I experimented with verifying your approach however I didn't receive such low F1 numbers for few shot. In looking at data_full, banking has the same amount of training samples as all other domains/intents. Did you in fact use data imbalanced?

Guide de contribution

Ouvrir le guide de contribution

Piste de recherche

Comparez l’expérience CLINC150 rapportée avec les datasets data_full et data_imbalanced du repository, en accordant une attention particulière au domaine banking et au nombre d’échantillons d’entraînement. Identifiez d’abord le dataset utilisé pour les expériences, puis vérifiez les résultats F1 few-shot. La tâche est terminée lorsque vous avez documenté si l’écart provient de la sélection du dataset ou d’une autre différence de configuration reproductible.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
python
Domaine
machine-learning
Type d'issue
Bug
Difficulté
3/5
Temps estimé
1-2 jours
Activité
À l'abandon
Clarté
À clarifier
Accessibilité débutants
20/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.