TIZSKT 提出文本索引实现零样本跨领域知识追踪

TIZSKT 模型提出一种新的零样本跨领域知识追踪方法，核心思路是将文本作为索引而非直接迁移表示，实现跨领域适应。 该模型通过分离行为序列建模与领域局部证据构建，利用冻结文本编码器为问题生成固定地址，并通过跨片段延续机制保留早期响应的访问权限。整个过程无需目标域训练，仅依赖公开的文本信息即可进行推理。 在三个公共数据集的留出领域实验中，该方法展示了其有效性，实现了最高的平均 AUC 和准确率。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。