Flipped-Learning

让模型先猜指令再作答,零样本效果更强

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 开源模型 🍴 复刻 11 🐛 待处理 1 👀 关注 4
GitHub ↗
GitHub 星标 ★ 116
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,完全免费,需自行部署使用。

项目预览

Flipped-Learning 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类开源模型
开发团队seonghyeonye
定价模式🏷️完全免费
价格说明开源项目,完全免费,需自行部署使用。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
主要语言Python
技术栈/模型deep-learning,large-language-models,nlp,pytorch
GitHub 星标★ 116
上线时间2022-10-06 00:00:00
代码更新2025-06-28
仓库体积110.8 MB
本站数据更新2026-11-10
维护状态低维护
收录时间2026-08-09
浏览次数6

项目介绍

Flipped-Learning 是一个基于 ICLR 2023 论文的开源实现,提出了一种新颖的零样本学习范式。传统方法直接让模型根据输入预测输出,而该方法先让模型根据输入和输出反推指令(即“猜测指令”),再基于生成的指令进行预测。这种翻转学习方式能显著增强语言模型在零样本场景下的推理能力,无需任何标注数据或微调。项目核心包含指令生成模块、基于指令的推理模块以及配套的评估脚本,支持多种主流预训练语言模型。它解决了零样本学习中模型对任务理解不充分、提示设计敏感的问题,通过自动生成指令来引导模型更好地理解任务,从而提升在文本分类、自然语言推理等任务上的表现。代码结构清晰,易于复现论文实验,适合研究者和开发者探索零样本学习的新路径。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 116

核心亮点

  • 创新翻转学习范式,先反推指令再推理,提升零样本准确率
  • 代码结构清晰,基于 HuggingFace 接口,易于集成和复现
  • 论文发表于 ICLR 2023,方法有理论支撑,实验数据详实

不足之处

  • 仅支持有限的模型和任务,扩展性待验证
  • 文档/社区待观察,早期项目,使用教程和案例较少

适用场景

  • 零样本文本分类和自然语言推理任务
  • 需要快速部署且无标注数据的场景
  • 研究零样本学习、提示工程的教学与实验

替代项目

T0、GPT-3、PatternExploiting Training

上一篇:LLMNodeBed

下一篇:datablations

同类项目推荐

Spatial-SSRL 开源

让AI看懂空间关系,无需人工标注,强化学习自动提升空间推理。

[CVPR 2026] Official release of "Spatial-SSRL: Enhancing Spatial Understanding via S···

★ 141 2026-08-09
opacus 开源

几行代码给 PyTorch 训练加差分隐私,防数据泄露

Training PyTorch models with differential privacy

★ 1970 2026-10-12
llm-compressor 开源

一键压缩大模型,vLLM 直接跑,省显存提吞吐

State-of-the-art LLM compression, built for production inference with vLLM

★ 3961 2026-09-16
Unified-MoE-Compression 开源

给 MoE 模型瘦身,压缩后推理更快更省内存

The official implementation of the paper "Towards Efficient Mixture of Experts: A Ho···

★ 93 2026-08-09
Re-Align 开源

用图像检索给VLM装上“防幻觉滤镜”,生成更可信。

[EMNLP'25] A novel alignment framework that leverages image retrieval to mitigate ha···

★ 52 2026-08-09
TorchSpec 开源

用 PyTorch 原生训练投机解码草稿模型,推理直接提速

A PyTorch native library for training speculative decoding models

★ 267 2026-10-17
DART 开源

扩散式推测解码,让大模型推理更快更省算力

Official Implementation of DART (DART: Low-Latency Parallel Drafting with Continuity···

★ 73 2026-08-09