自主排课
一种新的难度度量结合语言特征与模型置信度，并配以基于不确定性的自动学习调度器，使模型能自主组装合理数据批次并调整课程阶段。
Guanhua, Chen · Runzhe, Zhan · Wong, Derek F. · Chao, Lidia S.
Knowledge-Based Systems 2024
难度度量结合语言特征与模型置信度，样本难度动态变化，不再需要预先划分固定数据桶。
基于不确定性的自动学习调度器和动态采样策略，让模型自主调整课程阶段，无需人工设计进度。
动态课程学习过程能够更有效地利用现有数据，缓解数据稀缺问题，提升低资源场景下的模型性能。