LiFT: Does Instruction Fine-Tuning Improve In-Context Learning for Longitudinal Modelling by Large Language Models?

LiFT é uma nova estrutura de ajuste fino por instrução que visa melhorar o aprendizado em contexto de LLMs para tarefas de PNL longitudinais, que exigem raciocínio sobre texto ordenado temporalmente. Ele utiliza um currículo que aumenta progressivamente a dificuldade temporal, incorporando estrutura few-shot e condicionamento temporal, superando consistentemente modelos base em diversos conjuntos de dados e tamanhos de parâmetros.