Para penulis mengusulkan NeuFS, sebuah kerangka Pembelajaran Few-Shot Aktif yang Sadar Neuron yang menggeser pemilihan sampel dari proksi tingkat output ke dinamika internal model. Dengan memanfaatkan pola aktivasi neuron, metode ini bertujuan untuk mengidentifikasi kesenjangan pengetahuan spesifik dan mengurangi biaya anotasi manusia.
- NeuFS mewakili sampel secara langsung menggunakan pola aktivasi neuron daripada embedding eksternal atau entropi prediktif.
- Metode ini menerapkan strategi dua kriteria yang memastikan keragaman melalui pola neuron dan memprioritaskan sampel informatif dengan mengukur konsensus neuron.
- Eksperimen pada tiga dataset menunjukkan bahwa NeuFS mengungguli baseline Pembelajaran Few-Shot Aktif yang ada dalam tugas penalaran dan klasifikasi teks.
- Studi ablasi memvalidasi bahwa aktivasi neuron internal memberikan sinyal seleksi yang lebih berprinsip daripada embedding eksternal.
Kerangka ini menawarkan pendekatan yang lebih efektif untuk memilih demonstrasi few-shot dengan memanfaatkan keadaan internal model untuk menyoroti contoh-contoh yang menantang.