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

Cet article propose DOPA, un cadre de recherche de démonstrations pour un apprentissage robuste en contexte avec les Grands Modèles de Langage (LLMs). DOPA utilise un proxy OOD pour approximer le domaine cible inaccessible et une contrainte de diversité globale basée sur la distance de Mahalanobis.