semantic-augmentation

SAGE引入了一个基于CLIP的时间序列预测框架，该框架结合了时间、文本和视觉语义信息以提高准确性，在长期基准测试中实现了最先进的性能。

本文提出CURL，一种即插即用适配器，利用估计器不确定性分配预训练LLM的语义能力，以改进异质性治疗效果（CATE）估计。它引入两种角色调节的提示，构建面向分配和异质性的表示，在四个基准上提升了十个宿主学习器的性能。

提出SSDAU，一种面向联合实体关系抽取的结构化语义数据增强方法，通过基于实体标签分割文本并利用BERTTopic保持主题一致性，从而保留语义结构，显著优于现有增强方法。