[논문리뷰] Joint or Per-Option? Compact Encoders for Closed-Set Decisions from 17 Million to 1 Billion Parameters본 논문은 closed-set decision 작업(예: tool call 선택, 텍스트 분류)을 처리하는 인코더의 최적 설계와 효율성을 규명하고자 합니다. 기존 LLM 기반 방식은 추론 속도가 느리고 선택지 순서에 민감하다는 단점이 있습니다 .#Review#Knowledge Distillation#Multiple-choice Scoring#Natural Language Processing#Robustness#Text Classification#Transformers#Zero-shot Learning2026년 10월 26일댓글 수 로딩 중
[논문리뷰] OpenAutoNLU: Open Source AutoML Library for NLUOpenAutoNLU는 텍스트 분류 및 NER(Named Entity Recognition)을 포함한 NLU(Natural Language Understanding) 태스크를 위한 오픈 소스 AutoML 라이브러리 를 개발하는 것을 목표로 합니다.#Review#AutoML#Natural Language Understanding#Text Classification#Named Entity Recognition#Out-of-Distribution Detection#Few-Shot Learning#Data Quality#Low-Code API2026년 3월 2일댓글 수 로딩 중
[논문리뷰] Mitigating Label Length Bias in Large Language Models논문은 대규모 언어 모델(LLMs)이 다중 토큰 클래스 레이블을 예측할 때 발생하는 '레이블 길이 편향(label length bias)' 문제를 해결하는 것을 목표로 합니다.#Review#Large Language Models#Label Bias#Calibration#In-Context Learning#Text Classification#Multi-token Labels#Label Length Bias#Multiple Choice QA2025년 11월 18일댓글 수 로딩 중
[논문리뷰] AutoIntent: AutoML for Text Classification본 논문은 기존 AutoML 프레임워크가 임베딩 모델 선택, 다중 레이블 분류, OOS(Out-of-Scope) 감지, 퓨샷(Few-shot) 학습 과 같은 NLP 특정 과제를 포괄적으로 지원하지 못하는 한계를 해결하고자 합니다.#Review#AutoML#Text Classification#Intent Classification#Transformer Embeddings#Out-of-Scope Detection#Multi-label Classification#Few-shot Learning#Sklearn-like Interface2025년 9월 26일댓글 수 로딩 중