低功耗 CNN 加速器设备上多模态情感分析的超级字符方法

AAAIJan, 2020

低功耗 CNN 加速器设备上多模态情感分析的超级字符方法

Multi-modal Sentiment Analysis using Super Characters Method on Low-power CNN Accelerator Device

Baohua Sun, Lin Yang, Hao Sha, Michael Lin

TL;DR本篇论文介绍了一种在低功耗、低成本计算平台 CNN-DSA 上实现超级字符方法（Super Characters method）并利用多模数据（text plus tabular data）的方法，以解决在部署 NLP 系统中所面临的高功耗和高成本问题。

Abstract

Recent years nlp research has witnessed the record-breaking accuracy improvement by dnn models. However, power consumption is one of the p

nlp dnn models power consumption cnn-dsa super characters method

发现论文，激发创造

零样本基于提示的分类：德语推文中的主题标签

基于最新的自然语言处理技术，本研究通过使用基于写作指南的文本对文本界面而无需提供培训样本的方法，评估其在实际应用中自动化注释任务中的效果，结果表明即使受到本地计算资源限制，这种以提示为基础的方法与经过优化的 BERT 模型相当，且无需任何已标记的训练数据。

Jun, 2024

特权学生：关于多语言知识蒸馏中初始化价值的研究

我们调查了知识蒸馏在多语言环境中的价值和模型初始化方法，发现通过将教师模型的权重直接复制到学生模型来增强初始化对于各种多语言环境中的模型初始化最为重要，并证明了高效的权重初始化在低资源场景下仍能保留多语言能力。

Jun, 2024

利用 LLMs 协助在双相障碍和精神分裂症中进行临床丰富数据的标注和收集

利用当代语言模型在序列到序列任务中的应用来增强心理健康研究，通过小型模型，可以准确高效地进行领域特定临床变量的数据标注和心理健康仪器的数据收集，并表现出比商业大型模型更好的性能。

Jun, 2024

医学基础模型综述

基于自我监督方法使用大规模数据集训练的基础模型（FMs）被广泛应用于各个领域，包括医疗保健领域，特别在自然语言处理、医学图像分析、临床大型语言模型和病理组学数据等方面。该综述论文全面概述了 FMs 在医疗保健领域的历史、学习策略、旗舰模型、应用和挑战，并提供了详细的医疗应用分类，同时讨论了 FMs 所面临的挑战和未来研究方向。

Jun, 2024

使用动态准则改进自回归训练

为解决 NLP 任务中的暴露偏差和指标不匹配问题，本文提出了一种基于动态预示算法的解决方案，并开发了新型的动态预示算法，证明其在类似基于跨度的 F1 指标上保持了 DAgger 的无遗憾保证。作者评估了该算法在命名实体识别、文本摘要和机器翻译等任务中的性能，在机器翻译实验中，DAgger with dynamic oracle 的结果不如基准技术，但在命名实体识别和文本摘要方面表现优秀。

Jun, 2024

HOLMES：使用多个检测器检测对抗样本

通过监测深度神经网络（DNNs）的输出（logits），我们提出了 HOLMES（Hierarchically Organized Light-weight Multiple dEtector System），用于检测潜在的对抗性示例，以加强 DNNs 并最小化其对实际环境的威胁。HOLMES 能够高精度地区分来自多种攻击方式产生的未知对抗性示例，并且相较于单一检测系统具有较低的误报率，在适应性模型中表现出色。

May, 2024

一种将美国普通核心标准和全国教育进展评估项目规范进行自然语言处理的转换桥梁

利用自然语言处理（NLP）创建基于多变量相似度的混合回归程序，支持学科专家建立题目规范与内容标准的对应关系。在本文中，介绍了一个 NLP 的过程，通过嵌入向量对句子或文本进行相似度计算，并使用混合回归评估数学四年级的《共同核心教育标准》与 2026 年全国教育进展评估（NAEP）的题目规范的匹配程度。

May, 2024

用于改进文本到图像模型的类条件自奖励机制

通过使用自奖励机制改进自动生成的图像，可以有效提高文本到图像生成模型的性能和图像质量。

May, 2024

DaVinci 参与 SemEval-2024 第 9 任务：少样本引导 GPT-3.5 进行非常规推理

这篇论文介绍了在 NLP 领域中进行的关于垂直思维的重要工作，随后探讨了对横向思维的研究不足以及 SemEval 2024 引入的 BRAINTEASER 任务，主要涉及句子拼图和词语拼图两种类型的问题，并借助 GPT-3.5 上使用少量提示的方法处理这两种类型的问题，并从中获得了对两种类型问题性质差异的洞见。在 Sentence Puzzle 和 Word Puzzle 任务中，我们的提示策略在排行榜上分别位列第 26 和第 15。

May, 2024

基于语言处理的自动新闻生成与事实核查系统

本文探索了一种基于语言处理的自动新闻生成和事实核查系统，旨在提高新闻生产的效率和质量，同时确保新闻内容的真实性和可靠性。通过整合事实核查技术，该系统可以有效防止虚假新闻的传播，提高新闻的准确性和可信度，而自动新闻生成和事实核查所涉及的关键技术包括文本生成、信息提取和知识图谱的应用，并通过实验证实了这些技术的有效性。此外，本文讨论了自动新闻生成和事实核查系统的未来发展方向，强调了技术进一步整合和创新的重要性。研究结果表明，随着技术的不断优化和实际应用，这些系统在未来新闻行业中将发挥越来越重要的作用，提供更高效和可靠的新闻服务。

May, 2024