Evaluating Zero-Shot and Few-Shot Learning on the Turkish Massive Multitask Language Understanding Dataset
Notice bibliographique
Résumé
This study investigates the effectiveness of the zeroshot and few-shot learning paradigms on the Turkish Massive Multitask Language Understanding (MMLU) dataset, a translated version of the MMLU benchmark. The Turkish MMLU dataset, comprising 293,468 multi-disciplinary multiple-choice questions, is the largest dataset for Turkish academic and professional exams, covering subjects such as STEM, humanities, and social sciences. The primary objective of this research is to evaluate the strengths and limitations of the zero-shot and fewshot learning paradigms in Turkish natural language processing (NLP) tasks, providing insights into effective methodologies for knowledge-intensive tasks in Turkish. The study addresses the lack of comprehensive evaluations of learning paradigms in Turkish NLP, aiming to optimize resource allocation and advance the development of state-of-the-art language models for Turkish. The proposed solution involves a structured experimentation framework that compares the zero-shot and few-shot learning paradigms. Zero-shot learning leverages pre-trained language models to classify text into unseen categories using task descriptions, while few-shot learning utilizes a small number of labeled examples to generalize to new queries. This research contributes to the field by providing a robust framework for evaluating learning paradigms and advancing Turkish language technology. It evaluates the performance of multiple models, including Turkish BERT, mDeBERTa-v3, and Owen/Owen2-0.5B, on the Turkish MMLU dataset. The results reported in this paper indicate that few-shot learning consistently outperforms zero-shot learning.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».