ArcheType: 大規模言語モデルを使用したオープンソースの列型注釈の新フレームワーク

既存の深層学習アプローチによる意味的な列タイプ注釈（CTA）には重要な欠点があります。これらのアプローチは、訓練時に固定された意味的なタイプに依存しており、各タイプに対して多数の訓練サンプルを必要とし、実行時の推論コストが大きいという問題があります。また、タイプが一定であっても新しいデータセットで評価される場合、性能が低下する可能性があります。大規模言語モデルは、様々なタスクにおいて強力なゼロショット分類性能を示しており、本論文ではそのCTAへの応用について検討します。私たちはArcheTypeを導入します。これはコンテキストサンプリング、プロンプトシリアライゼーション、モデルクエリ、ラベルリマッピングを行う単純かつ実用的な方法であり、大規模言語モデルが完全なゼロショットでCTA問題を解くことを可能にします。私たちはこの方法の各構成要素を個別に解析し、コンテキストサンプリングとラベルリマッピングの改善が最も一貫した利点を提供することを確認しました。ArcheTypeはゼロショットCTAベンチマーク（本論文と共に公開する3つの新しいドメイン固有のベンチマークを含む）において新たな最先端の性能を達成し、古典的なCTA技術と組み合わせて使用するとSOTA DoDuoモデルよりもSOTABベンチマークで優れた性能を発揮します。私たちのコードは以下のURLから入手可能です: https://github.com/penfever/ArcheType