| RoBERTa-large with LlamBERT |
- Accuracy
- 96.68
|
LlamBERT: Large-scale low-cost data annotation in NLP 2024-03-23 |
코드 1 |
| RoBERTa-large |
- Accuracy
- 96.54
|
LlamBERT: Large-scale low-cost data annotation in NLP 2024-03-23 |
코드 1 |
| XLNet |
- Accuracy
- 96.21
|
XLNet: Generalized Autoregressive Pretraining for Language Understanding 2019-06-19 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 |
| Heinsen Routing + RoBERTa Large |
- Accuracy
- 96.2
|
An Algorithm for Routing Vectors in Sequences 2022-11-20 |
코드 1 |
| RoBERTa-large 355M + Entailment as Few-shot Learner |
- Accuracy
- 96.1
|
Entailment as Few-Shot Learner 2021-04-29 |
코드 1 · 코드 2 · 코드 3 |
| GraphStar |
- Accuracy
- 96.0
|
Graph Star Net for Generalized Multi-Task Learning 2019-06-21 |
코드 1 |
| DV-ngrams-cosine with NB sub-sampling + RoBERTa.base |
- Accuracy
- 95.94
|
The Document Vectors Using Cosine Similarity Revisited 2022-05-26 |
코드 1 |
| DV-ngrams-cosine + RoBERTa.base |
- Accuracy
- 95.92
|
The Document Vectors Using Cosine Similarity Revisited 2022-05-26 |
코드 1 |
| Roberta_Large ST + Cosine Similarity Loss |
- Accuracy
- 95.9
|
연결 없음 논문 날짜 미기재 |
연결 없음 |
| BERT large finetune UDA |
- Accuracy
- 95.8
|
Unsupervised Data Augmentation for Consistency Training 2019-04-29 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 |
| BERT_large+ITPT |
- Accuracy
- 95.79
|
How to Fine-Tune BERT for Text Classification? 2019-05-14 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 |
| RoBERTa.base |
- Accuracy
- 95.79
|
The Document Vectors Using Cosine Similarity Revisited 2022-05-26 |
코드 1 |
| L MIXED |
- Accuracy
- 95.68
|
Revisiting LSTM Networks for Semi-Supervised Text Classification via Mixed Objective Function 2020-09-08 |
코드 1 |
| BERT_base+ITPT |
- Accuracy
- 95.63
|
How to Fine-Tune BERT for Text Classification? 2019-05-14 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 |
| BERT large |
- Accuracy
- 95.49
|
Unsupervised Data Augmentation for Consistency Training 2019-04-29 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 |
| ULMFiT |
- Accuracy
- 95.4
|
Universal Language Model Fine-tuning for Text Classification 2018-01-18 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46 · 코드 47 · 코드 48 · 코드 49 · 코드 50 · 코드 51 · 코드 52 · 코드 53 · 코드 54 · 코드 55 · 코드 56 · 코드 57 · 코드 58 · 코드 59 · 코드 60 · 코드 61 · 코드 62 · 코드 63 · 코드 64 · 코드 65 · 코드 66 |
| Llama-2-70b-chat (0-shot) |
- Accuracy
- 95.39
|
LlamBERT: Large-scale low-cost data annotation in NLP 2024-03-23 |
코드 1 |
| FLAN 137B (few-shot, k=2) |
- Accuracy
- 95
|
Finetuned Language Models Are Zero-Shot Learners 2021-09-03 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 |
| Block-sparse LSTM |
- Accuracy
- 94.99
|
GPU Kernels for Block-Sparse Weights 2017-12-01 |
코드 1 |
| Space-XLNet |
- Accuracy
- 94.88
|
Breaking Free Transformer Models: Task-specific Context Attribution Promises Improved Generalizability Without Fine-tuning Pre-trained LLMs 2024-01-30 |
코드 1 |
| CEN-tpc |
- Accuracy
- 94.52
|
Contextual Explanation Networks 2017-05-29 |
코드 1 |
| FLAN 137B (zero-shot) |
- Accuracy
- 94.3
|
Finetuned Language Models Are Zero-Shot Learners 2021-09-03 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 |
| oh-LSTM |
- Accuracy
- 94.1
|
Supervised and Semi-Supervised Text Categorization using LSTM for Region Embeddings 2016-02-07 |
연결 없음 |
| Virtual adversarial training |
- Accuracy
- 94.1
|
Adversarial Training Methods for Semi-Supervised Text Classification 2016-05-25 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| DV-ngrams-cosine + NB-weighted BON (re-evaluated) |
- Accuracy
- 93.68
|
The Document Vectors Using Cosine Similarity Revisited 2022-05-26 |
코드 1 |
| Nyströmformer |
- Accuracy
- 93.2
|
Nyströmformer: A Nyström-Based Algorithm for Approximating Self-Attention 2021-02-07 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 |
| Modified LMU (34M) |
- Accuracy
- 93.20
|
Parallelizing Legendre Memory Unit Training 2021-02-22 |
코드 1 · 코드 2 |
| DV-ngrams-cosine |
- Accuracy
- 93.13
|
Sentiment Classification Using Document Embeddings Trained with Cosine Similarity 2019-07-01 |
코드 1 · 코드 2 |
| OCaTS (kNN & GPT-3.5-turbo |
- Accuracy
- 93.06
|
Cache me if you Can: an Online Cost-aware Teacher-Student framework to Reduce the Calls to Large Language Models 2023-10-20 |
코드 1 |
| DistilBERT 66M |
- Accuracy
- 92.82
|
DistilBERT, a distilled version of BERT: smaller, faster, cheaper and lighter 2019-10-02 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 |