Feb, 2023

基于语言描述的分布差异目标驱动发现

PDF
TL;DR本研究提出了一种自动发现任务 D5，可以在自然语言处理领域中使用，旨在解决大规模文本挖掘的效率问题，利用语言模型自动发现大规模文献库中的相关性和差异，并通过 OpenD5 数据集验证了该方法的有效性，可在商业、社会科学、人文科学、机器学习和健康领域应用。
corpora mininglanguage modelsautomated discoveryevaluation metricsnatural language processing
发现论文，激发创造
  • 使用自然语言描述文本分布之间的差异

    本文介绍了如何使用 GPT-3 来自动生成更容易描述两个文本分布差异的语言假设，并介绍了该方法在处理二分类任务、调试数据集缺陷、总结未知任务和标记文本聚类方面的应用，最终得到了较好的效果。

    Jan, 2022

  • 基于目标导向的可解释聚类方法：语言描述

    本文提出了一种名为 GoalEx 的目标驱动聚类框架，结合用户目标和自由形式的语言描述，采用语言模型和整数线性规划等方法实现对大型语料库的层次化聚类，并在辩论、客户投诉和模型错误等方面进行了应用。

    May, 2023

  • 自动化开放领域科学假设发现的大型语言模型

    通过收集社会科学顶级期刊中最近发表的 50 篇论文构建的第一个自然语言处理数据集，该数据集可以解决假设归纳领域中以往局限于特定领域和常识知识的问题，旨在开发一个系统，仅凭一堆原始网页文集就可以自动生成有效、新颖且对社会科学研究人员有帮助的假设。基于多模块框架和三种不同的反馈机制，该框架在 GPT-4 和社会科学专家评估方面表现出较高的性能。

    Sep, 2023

  • 指挥官意图：战略游戏中人工智能任务规定的数据集和建模方法

    该论文提出一种使用目标和约束作为支架来调节和评估自主代理，并通过提供一种新颖的数据集和相关的数据收集协议，利用最先进的自然语言处理模型和增强程序开发了一种可用于从非结构化策略描述中识别目标和约束的机器学习框架，其结果表明，机器学习架构比人类评分员更能将非结构化语言描述解释为策略规范。

    Aug, 2022

  • 学习描述一对相似图片之间的差异

    本文介绍了一项任务，即自动生成文本来描述两个相似图像之间的差异。我们通过众包获取了一组新的数据集，并提出了一种模型，该模型使用隐变量来根据像素聚类将不同的像素与输出句子对齐，以捕捉视觉显著性并实现语言和视觉的对准。

    Aug, 2018

  • 面向相关文档中未监督识别语义差异的研究

    研究了三种无监督的方法以实现识别语义差异的任务，并发现基于词对齐和句子级对比学习的方法与金标签的相关性较高，但所有无监督方法仍有很大的改进空间。

    May, 2023

  • DataFinder：从自然语言描述中推荐科学数据集

    介绍了一种新的数据集推荐系统，该系统能够根据研究想法的简短自然语言描述，推荐相关的数据集。该系统通过使用机器学习技术创建了 “DataFinder 数据集”，并比较了各种信息检索算法在其测试集上的效果，同时还发布了数据集和模型以促进数据集推荐的进展。

    May, 2023

  • 多语言任务导向对话系统中性能差异的系统研究

    多语言自然语言处理中任务导向对话系统性能差异的经验分析和洞察，以及新语言中 ToD 数据收集和系统开发的实用建议。

    Oct, 2023

  • 安全数据共享的差分隐私语言模型

    使用全局差分隐私的方法，通过训练生成式语言模型并从中采样数据来保护数据分享者的隐私，并通过新的匹配损失设计自然语言提示，得出高质量的文本数据集，这些数据集不仅不会泄露原始数据的信息，而且还适合训练用于分析真实世界数据的模型，同样证明基于私有合成数据训练分类器的性能优于直接基于真实数据使用 DP-SGD 进行训练。

    Oct, 2022

  • LSCDiscovery：西班牙语语义变化发现和检测的共享任务

    本文介绍了在西班牙语中关于语义变化发现和检测的首个共享任务，并使用 DURel 框架手动注释了西班牙语单词的第一个数据集。该任务分为两个阶段：1）分级变化检测，2）二元变化检测。共有六个团队参加了第一阶段，七个团队参加了第二阶段，最佳结果在第一阶段获得了 0.735 的 Spearman 等级相关性，第二阶段获得了 0.716 的 F1 分数。本文介绍了参赛团队开发的系统，强调了特别有用的技术，并讨论了这些方法的局限性。

    May, 2022