标签
本文介绍了一个包含噪声文本（ASR、拼写错误）的孟加拉语事件检测基准，并评估了仅编码器和仅解码器的大语言模型，发现解码器模型对噪声的鲁棒性更强。
本文识别了学习动力学模型中的'时间信用稀释'现象，其中全局读出关注的是虚假相关性而非短暂的物理事件。它提出了CREST，一种无需训练的方法，通过事件核心估计重新锚定池化表示，提高了分布外鲁棒性。