我们提出了结构化语言生成模型（SLGM），这是一种结合新的损失函数和推理方法，以更好地泛化结构化输出的混合模型。

Feb, 2024

迭代式 LLM 监督 CSL（ILS-CSL）框架通过将基于 LLM 的因果推理与 CSL 相结合，并从 LLM 中获得反馈，从而改进了因果有向无环图（DAG）的学习，提供了更强效的因果发现方法，并在八个真实世界数据集上的综合评估中表现出优越的性能，展示了其推动因果发现领域进步的潜力。

Nov, 2023

Torch-Struct 是一个用于结构化预测的库工具，使用基于向量化和自动微分的框架，并提供简单灵活的基于分布式 API 的概率结构来连接任何深度学习模型，并且经过内部的优化使其快速可读，在基准测试中表现良好。

Feb, 2020

MIML 库是一个用于开发、测试和比较多实例多标签（MIML）学习分类算法的 Java 软件工具，它包括 43 种算法，具有特定的数据管理和划分格式、评估性能的标准度量指标以及报告生成功能。

Feb, 2024

本研究提出一种称为 Decomposed Learning（DecL）的新方法，通过限制推理步骤到结构空间的一部分来执行高效学习。我们表明，在真实世界的设置中，DecL 算法比精确的学习更有效和准确。

Jun, 2012

本文提出了两种优化方法用于针对 PSL 的结构学习，一种是基于贪心搜索的算法，另一种是结合生成子句的数据驱动和针对性能的伪似然性段分段优化（PPLL）目标的算法， 在五个实际任务中的比较表明 PPLL 实现了数量级运行时加速和 AUC 增益高达 15％以上。

Jul, 2018

本文研究 NLP 中使用预训练语言模型（PLM）的结构化预测问题，描述了一种基于 PLMs 的结构建模方法，在命名实体识别、端到端关系提取和指代消解三个任务上实现了最新的最优性能。

Oct, 2022

本文提出了一个有潜在变量的结构化预测的统一框架，包括隐藏的条件随机场和潜在的结构支持向量机。通过对偶性描述了这种普遍公式的局部熵逼近，在图像分割和从单个图像中理解三维室内场景的任务中表现出不错的效果，比潜在结构支持向量机和隐藏条件随机场方法要好。

Jun, 2012

提出了一种基于整数线性规划的结构化推理系统，利用半结构化知识库来回答自然语言问题，并且在真实科学问题数据集中，性能优于以前使用 Markov 逻辑网络和 ILP 系统，同时结合非结构化推理方法可以大幅提高系统性能

Apr, 2016

该研究报告介绍了一种新方法 —— 结构化语言建模（SLM），利用编程语言的严格语法将代码片段建模为树来实现任意代码完成，该方法可以生成任意编程语言的任意代码，在生成 Java 和 C# 代码方面，效果显著优于现有技术。

Sep, 2019