FSE는 명명 개체 인식(NER)의 지속적 학습을 위한 새로운 모델입니다. 빠른 전문가(fast expert)는 불가능한 span을 효율적으로 걸러내고, 느린 전문가(slow expert)는 남은 후보 span에만 분류 작업을 수행합니다. 새로운 span 불균형 문제를 완화하기 위해 길이 감쇠 음수 샘플링 전략도 도입됐습니다.
OntoNotes 및 FewNERD 데이터셋 실험 결과, FSE는 기존 방법보다 뛰어난 성능을 보였습니다. 기존 방식 대비 더 빠른 수렴 속도와 각 전문가의 기능이 효과적으로 작동하는 것을 확인했습니다.
FSE는 지식 공유를 촉진하고 각 작업의 학습 부담을 줄여 모델의 안정적인 학습과 유연성을 유지합니다.