迁移学习

最新研究首次系统评估乌尔都语假新闻检测模型的跨数据集泛化能力，发现数据集间存在严重不对称性，模型在反向测试中准确率暴跌至接近零，根源在于数据集中假新闻与真新闻的平均长度存在3.4倍差异导致的捷径学习。

本研究探讨了语言相似性如何提升极低资源场景下的跨语言语音识别性能，通过结合声学和语言学特征，为澳大利亚原住民语言 Warlpiri 筛选出最有效的源语言。

研究人员提出语言驱动的结构化电子病历基础模型PORTER，通过文本描述编码临床事件，无需依赖固定词表即可实现跨医院系统的知识迁移，在74项儿科临床预测任务中表现优异。