google / google/example_extrapolation
Did you use clinc150 data_imbalanced vs data_full?
- 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