CoCoP：将文本分类任务转换为LLM代码补全任务

文章预览

文章提出了一种名为 CoCoP （代码补全提示）的新方法，旨在通过将文本分类任务转化为代码补全任务，利用大语言模型（ LLM ）在代码相关任务中的能力来提高文本分类的表现。通过这种方法， CoCoP 显著提升了多种数据集上的文本分类性能，尤其是在与代码相关的模型（如 CodeLLaMA ）结合时，表现优于传统的少量示例学习（ few-shot learning ）方法。此外， CoCoP 还能够在较小的模型上实现与大模型相当甚至更好的性能。该方法不仅利用了 LLM 在代码补全中的强大能力，还结合了少量示例学习的灵活性，适应性强，适合多种分类任务。 1 代码补全提示-CoCoP ·  转换任务形式 ：将文本分类任务转化为代码补全任务。通过将分类示例和查询文本转化为代码格式，智能体（ LLM ）通过完成代码来确定正确的分类标签。 ·  不完全代码生成器 ：该模块接收文本 ………………………………