如果您花費數月標註的標籤數據根本不是必需的呢？Google 的「Towards Zero-Label Language Learning」大力推動了這一挑戰，展示了大型語言模型可以僅從任務描述和一些上下文範例中生成自己的合成訓練集。結果是一個管道，其中模型在其自己發明的數據上教導一個較小的學生模型，而學生在 SuperGLUE 上與完全監督基線相抗衡。

對於坐擁優質但微小標籤語料庫的語音 AI 團隊，含義很明確：如果無監督數據合成對 NLU 的效果如此之好，類似的技巧可以在沒有新標註合同的情況下自動生成意圖分類器、槽位填充或 ASR 後處理的域適應。此短篇評論詳細介紹了基於提示的數據生成循環、蒸餾設置和使聲明可信的結果。如果零標籤數據管道在您的路線圖上，請快速試試。