这篇工作根据小样本学习当中的因果关系，提出了一种新的基于因果干预的分类器IFSL，去除了预训练带来的掺杂效果，在各种方法上取得了稳定的提升。

主要的优势有以下几点：

  • 广泛适用于各种基于微调（fine-tune）或是元学习（meta-learning）的方法，即插即用；
  • 无需额外的训练步骤，原来模型咋训练，加上IFSL还是咋训练；
  • 如果预训练数据集不公开，比如一些商用数据集只公开分类器和特征提取器，那么元学习的方法就不适用了，只能用微调。在这种情况下，IFSL还是可以大幅提高性能。

如果感兴趣，可以看论文作者对本篇论文的完整解读：https://zhuanlan.zhihu.com/p/260876366

内容中包含的图片若涉及版权问题，请及时与我们联系删除