文章预览
NLP小样本研究往往使用人为构造的N分类任务来评价模型性能。然而，一方面，这些人造的简单任务不能反映真实世界NLP问题的复杂性；另一方面，现有NLP小样本研究缺乏一个统一的benchmark，导致实验效率低下。 为此，我们标注了全新的小样本联合学习基准数据集FewJoint，并基于该数据集组织了SMP2020-ECDT小样本对话语言理解评测，同时提供了适配FewJoint的全新小样本工具平台MetaDialog。 本文主要内容： 1. FewJoint 基准数据集介绍 2. SMP2020-ECDT小样本对话理解评测介绍 3. 小样本平台工具MetaDialog 4. 相关链接 1 FewJoint基准数据集介绍 1.1 简介 小样本学习（Few-shot Learning）旨在像人一样只用几个样本学习新的任务，近年来已经成为受到整个机器学习社区关注的热点问题，并被看作
………………………………
