标签
本文详细解释了Transformer架构,包括注意力机制、QKV和残差连接,并从N-gram到LSTM的历史发展入手。
本文研究了词汇规范化中的多语言诅咒,发现同时在多种语言上训练单个模型会导致各语言准确率下降,而当语言以小组形式训练时性能最佳。
CUDA-Harness是一个利用智能体技术从自然语言描述生成和优化CUDA内核的框架,通过连接高级语义与低级实现和验证来解决Text2CUDA中的挑战。
AI Historian是一个AI智能体系统,帮助历史学家组织和验证分散历史叙事中以人为中心的时间线索,降低历史研究的成本,同时实现高精度的时间定位。
本文展示了一个使用Telnyx Call Control和AI推理的Python/Flask示例,用于创建自然语言IVR系统,使呼叫者能口头表达需求,而无需操作固定菜单。
本文首次应用数据科学,利用自然语言处理技术评估英国荣誉系统,并引入一种新型情感分析算法Minos,以评估公众对荣誉获得者的意见。
本文介绍了一种生产级框架,利用大语言模型将自然语言定价策略转换为旅游定价的可执行决策,在实际部署中实现了显著的效率提升和可审计性。
本文研究了基于DAPF的痴呆检测模型的可解释性,揭示了虽然DAPF取得了强劲的性能,但其token级别的解释缺乏忠实性。
本文介绍了一种基于因果图的注意力机制,以提升检索增强生成(RAG)系统中的检索精度,并在专有知识库的关键词填充机制中显示改进。
本文介绍了Peony,首个评估大型语言模型在理解现代中文诗歌中诗歌逻辑的基准,并评估了六种主流LLM,揭示了它们在这一专业任务中的局限性。
本文提出了一种本体驱动的框架,用于量化并强制执行文档级关系提取数据集中的结构一致性,减少逻辑矛盾,并在使用远程监督数据时提高模型泛化能力。
本文介绍了ImmigrationReason,一个用于法律推理研究的大规模美国移民上诉结构化数据集,填补了自然语言处理研究中行政裁决数据的空白。
本研究开发了一个歧义分类体系,用于评估大语言模型在从未经处理的电子病历数据中进行临床数据登记抽象时的表现,发现LLM的准确性显著低于人工抽象者,并且随着任务歧义性的增加而下降。
文章讨论了当前AI代理使用的令牌数量是人类五倍的发现,这表明了AI能力和效率方面的一个显著趋势。
对BART、BERT和RoBERTa在文本摘要中的比较研究,探讨它们的架构以及在抽取式和生成式摘要任务中的适用性。
本文介绍了一种故障感知的对抗检索增强框架,利用上下文强盗来提升自然语言理解的鲁棒性,并在SNLI、ANLI和MultiNLI等基准测试中取得了显著改进。
本文探讨了在面向任务对话中,LLMs如何作为人格引导的代理,并通过GPT-4o和Gemini 2.0 Flash等模型评估,分析了人格适应对任务性能和用户满意度的影响。
LongNovel 引入了一个多尺度基准测试,用于评估长上下文小说摘要中的幻觉,基于中英文小说构建,以改进LLM评估。
Polaris 使用 DPO 训练 LLM 直接从检索反馈中生成表格描述,在表格检索任务中显著超越了 AutoDDG 等先前方法。
本研究证明,使用机构特定提示的大型语言模型能够恢复现有去标识化系统遗漏的受保护健康信息,从而增强电子健康记录中的数据隐私合规性。