text-reconstruction

论文推导了一个一阶公式，用于预测在掩码文本重建任务中，两个独立语料训练的预测器之间的期望分歧，并在 TinyStories、WikiText-103 和 CNN/DailyMail 上验证了该预测的准确性及其局限性。

本文介绍了Brain2Semantics2Text，一种非侵入式语音解码方法，通过将MEG响应映射到语义嵌入空间，在无词级对齐的情况下重构句子级文本。

本文提出了一种无需训练的基于图的框架，用于复杂文档布局中的阅读顺序推断，利用语言模型信号和最大遗憾推断规则。该方法在历史手稿和多列基准测试上显著优于现有基线，在环绕式Glossa布局上达到了95%的边准确率。