Toward Robust In-Context Learning: Leveraging Out-of-distribution Proxies for Target Inaccessible Demonstration Retrieval

Este artículo presenta DOPA, un marco de búsqueda de demostraciones para un aprendizaje robusto en contexto con Grandes Modelos de Lenguaje (LLMs). DOPA incorpora un proxy OOD para aproximar el dominio objetivo inaccesible y una restricción de diversidad global basada en la distancia de Mahalanobis.