摩擦作家
对各种语言模型在书写故事补充和简化叙述等生成任务中根据标准的提示控制文本可读性进行性能调查的研究结果表明,ChatGPT 等全球认可的模型可能相对不够有效,需要更精细的提示,而像 BLOOMZ 和 FlanT5 这样的开放源码模型则显示出有希望的结果。
Sep, 2023
本文提出了基于 MLP 神经网络的数据驱动方案,用于估计飞机降落阶段地面摩擦系数,使用随机神经网络权重 dropout 机制,以在线方式估计拟合最佳摩擦系数的置信区间,从而提供与神经网络模块相关的认知不确定性的表征。通过开环和闭环模拟展示了该鲁棒性摩擦估计方法的潜力和有效性。
Nov, 2022
使用大型语言模型(LLMs)对教育应用,如基于对话的教学,进行研究是一个热门话题。本研究引入并评估了基于提示的文本难度度量,该度量方法相比静态度量具有更好的性能,并展示了利用 LLMs 评估文本对不同教育水平的适应的潜力。
May, 2024
本文介绍一种计算作者归属和相似文体任务中相对词频的简单方法,该方法采用与传统方法不同的规范化因子,即仅涉及相关令牌的总数,并使用词嵌入模型来确定语义背景,该方法的性能通常优于传统的基于最高频词的方法,差异在于输入设置。
Nov, 2022
本文报告了一项旨在评估文本特征对荷兰语小说文学评分影响的试验结果,表明问卷评分与 Riddle 的调查评分之间存在中度到强度的相关性,但机器学习的预测结果更接近调查评分。
Nov, 2020
该研究为自然语言处理领域做出了贡献,提出了新的英语可读性公式(NERF),重新校准了旧的可读性公式系数,并开发了基于 Python 的程序,以在各种 NLP 项目中广泛应用。
Jan, 2023
Scattertext 是一款用于可视化语言无关的文档类别之间的语言差异的开源工具。该工具呈现散点图,每个轴对应于术语在文档类别中出现的排名频率。 Scattertext 还适用于基于查询的可视化,以展示类别文档中类似嵌入的术语使用方式的差异,以及用于比较单变量指标的单词包重要性评分的可视化。
Mar, 2017