提出CPIL方法：少量标注数据训练文档事实性检测器

Chao Chen等作者在arXiv发布论文，提出CPIL（跨释义不变性学习），一种两阶段Siamese框架，可将少量标注数据转化为关系监督，无需额外事实性标注即可训练紧凑型事实性检测器。 论文称，CPIL-2%和CPIL-3%版本仅使用FactCG发布标注池中2-3%的数据，分别取得81.04和81.60的macro-F1分数。在推理阶段，CPIL无需生成复述、构建样本对或进行孪生比较，只需一次编码器-分类器前向计算。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。