面向零样本文本分类的生成驱动对比自训练及指导调优 GPT（英文版）

英文标题：Generation-driven Contrastive Self-training for Zero-shot Text Classification with Instruction-tuned GPT中文摘要：提出了一种名为 GenCo 的零样本文本分类方法，利用 GPT 的强大生成能力辅助训练更小、更适应和高效的句子编码器分类器，包括两种方式：一是为每个输入实例生成多个增广文本，提高语义嵌入和标签的映射；二是在自训练期间有条件地生成增广文本，使得生成过程适应目标空间中的决策边界。实验证明，即使只有有限的领域内文本数据，GenCo 也优于以前的最先进方法。英文摘要：Moreover, GPT-based zero-shot classification models tend to make independentpredictions over test instances, which can be sub-optimal as the instancecorrelations and the decision boundaries in the target