learners
Language Models are Unsupervised Multitask Learners
郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ OpenAI blog, 2019 ......
GPT-3《Language Models are Few-Shot Learners》解读
GPT-3 和 GPT-2差别 1. 效果上，超出 GPT-2 非常多，能生成人类难以区分的新闻文章；2. 主推 few-shot，相比于 GPT-2 的 zero-shot，具有很强的创新性；3. 模型结构略微变化，采用 sparse attention 模块；4. 海量训练语料 45TB（清洗后 ......
GPT-2 《Language Models are Unsupervised Multitask Learners》解读
背景 GPT1采用了pre-train + fine-tuning训练方式，也就是说为了适应不同的训练任务，模型还是需要在特定任务的数据集上微调，仍然存在较多人工干预的成本。GPT-2 想彻底解决这个问题，通过 zero-shot，在迁移到其他任务上的时候不需要额外的标注数据，也不需要额外的模型训练 ......
Language Models are Few-Shot Learners
郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ NeurIPS 2020 ......
智能投放算法笔记（S/X-Learner & Uplift tree）
[toc] ## 1 S/X-Learner ### 1.1 S/X-Learner算法概述 S/X-Learner是一种基于强化学习的算法，用于在线广告的智能自动投放。其包含两个组成部分: - S-Learner: 评估每个广告的预期点击率(CTR) - X-Learner: 评估每个广告的真实商 ......
joint_learners_next用例
【leave-joint处理前】 【leave-joint处理结果】 voters=(2)&&(1) learners_next=(1)处理后 voters=(2) learners=(1)【逻辑】 ......
了解基于模型的元学习：Learning to Learn优化策略和Meta-Learner LSTM
摘要：本文主要为大家讲解基于模型的元学习中的Learning to Learn优化策略和Meta-Learner LSTM。 本文分享自华为云社区《深度学习应用篇-元学习[16]：基于模型的元学习-Learning to Learn优化策略、Meta-Learner LSTM》，作者：汀丶 。 1. ......
深度学习应用篇-元学习[16]：基于模型的元学习-Learning to Learn优化策略、Meta-Learner LSTM
# 深度学习应用篇-元学习[16]：基于模型的元学习-Learning to Learn优化策略、Meta-Learner LSTM # 1.Learning to Learn Learning to Learn by Gradient Descent by Gradient Descent 提出了 ......
【论文阅读】Masked Autoencoders Are Scalable Vision Learners
> # 🚩前言 > > - 🐳博客主页：😚[睡晚不猿序程](https://www.cnblogs.com/whp135/)😚 > - ⌚首发时间：2023.6.10 > - ⏰最近更新时间：2023.6.10 > - 🙆本文由 **睡晚不猿序程** 原创 > - 🤡作者是蒻蒟本蒟，如果 ......