背景技术:
1、各种系统可以部署机器学习模型以与输入查询交互。通常,这些模型在针对特定任务或领域的大型数据集或人工注释的数据集上进行训练。获得足够大的数据集或人工注释的数据集可能既耗时又昂贵,这可能会延迟模型的部署。此外,使用针对特定应用的通用模型可能会导致较差的结果,当预期的用户查询特定于模型可能无法充分训练的特定领域时,这种情况可能会加剧。
技术实现思路
1.一种系统,包括:
2.如权利要求1所述的系统,其中所述第一模型是零样本模型。
3.如权利要求1所述的系统,其中所述一个或更多个参数至少部分地包括所述一个或更多个类的自然语言描述。
4.如权利要求1所述的系统,其中所述第二模型至少部分地与所述第一模型并行操作。
5.如权利要求1所述的系统,其中所述一个或更多个处理器进一步用于:
6.如权利要求5所述的系统,其中在达到所述阈值之后所述第一模型停止接收所述一个或更多个第一查询。
7.如权利要求1所述的系统,其中所述一个或更多个处理器进一步用于:
8.如权利要求1所述的系统,其中所述第二模型至少部分地与所述第一模型的操作并行地被训练。
9.如权利要求1所述的系统,其中所述相应响应包括对应于所述一个或更多个类的相应标签。
10.一种方法,包括:
11.如权利要求10所述的方法,其中所述类参数至少包括分类器的一个或更多个类的自然语言描述。
12.如权利要求10所述的方法,还包括:
13.如权利要求12所述的方法,还包括:
14.如权利要求10所述的方法,其中对所述查询的响应对应于标签,所述方法还包括:
15.如权利要求10所述的方法,还包括:
16.如权利要求10所述的方法,还包括:
17.一种系统,包括:
18.如权利要求17所述的系统,其中所述查询接口将查询引导至所述第一模型和所述第二模型两者。
19.如权利要求18所述的系统,还包括:
20.如权利要求17所述的系统,其中所述第二模型是零样本模型。
21.如权利要求17所述的系统,其中所述系统被包括在以下至少一项中: