May, 2023

房间中的大象：分析大型科技公司在自然语言处理研究中的存在

PDF
TL;DR本研究通过对包含 78187 篇自然语言处理出版物和 701 份作者简历的语料库进行分析，研究显示自 90 年代以来业内的存在一直保持稳定，在过去五年中却急剧上升，其中少数公司贡献了大部分的出版物和通过赠款和实习提供了学术研究的资金，研究表明业内对自然语言处理研究的存在和影响非常重要，且发展迅速，这项工作呼吁增加业内在该领域的透明度。
deep learningnatural language processingindustry presenceresearch influenceacademic funding
发现论文，激发创造
  • 合作还是企业控制？量化 NLP 对工业产物和贡献的依赖程度

    自然语言处理中智能模型的进步与行业模型的重要性及其对学术论文的影响进行调查，发现与行业的合作在 NLP 出版物中有显著依赖性，并探讨了两种可能的解释。

    Dec, 2023

  • 我们所引证的人：“自然语言处理” 与其他学术领域之间的影响桥梁

    量化分析了 NLP 和其他 23 个学科领域（相互）之间的影响程度，结果显示 NLP 的学科交叉合作程度下降，自 1980 年的 0.58 降至 2022 年的 0.31（历史最低），同时 NLP 的学术引用越来越内向，主要引用计算机科学领域的论文，而对语言学、数学和心理学等领域的引用较少，这些研究结果凸显了 NLP 需要紧急反思与其他学科领域的合作交流。

    Oct, 2023

  • 我应与谁合作？自然语言处理中学术界和工业界研究合作的比较研究

    调查学术界与工业界协作对自然语言处理（NLP）的影响，通过从 NLP 论文中提取机构和引用构建了一个流程，并将其分为学术界、工业界和混合界（学术界与工业界的协作）。我们的实证分析发现，工业界和学术界 - 工业界合作发表的论文数量呈增长趋势，并且这些类型的论文比仅由学术界产生的论文具有更高的影响力。

    Jul, 2023

  • 编程自然语言处理调查

    本文综述了自然语言处理在编程方面的研究，并从推理模型到最新竞争级模型全面调查了现有的相关工作，具有技术类别的完整性，方便查找和比较未来的工作。

    Dec, 2022

  • 基于深度学习的自然语言处理的最新趋势

    本文综述了深度学习在自然语言处理中的应用，包括模型设计与方法演进，总结了深度学习在 NLP 任务中的过去、现在和未来发展。

    Aug, 2017

  • 自然语言处理技术的演进：不仅仅是语言处理，朝着通用人工智能发展

    自计算机发明以来，通过自然语言进行沟通一直是一项梦想技术，但是自然语言非常难以进行数学表达，使得在不考虑程序设计的情况下很难将其实现为算法。然而，近年来深度学习在当代人工智能技术中发挥了核心作用，尤其是在自然语言处理领域，取得了前所未有的成果。本报告提供了前沿的自然语言处理技术如何实现 “熟能生巧” 的技术解释，并提供了其在商业应用中的示例。

    Oct, 2023

  • 深度学习在自然语言处理中的应用调查

    本文简要介绍了自然语言处理领域和深度学习架构和方法，并从最近的研究中总结了大量相关贡献，对核心语言处理问题和计算语言学的多个应用进行了分析，并提供了当前技术水平的讨论和未来研究的建议。

    Jul, 2018

  • 自然语言处理研究的探索之旅

    通过对 ACL Anthology 中的研究论文进行系统分类和分析，我们提供了自然语言处理领域的研究概况、学科分类，分析了最近的发展，并总结了我们的发现并强调了未来工作的方向。

    Jul, 2023

  • 全球语言技术表现中的系统性不平等

    本论文介绍了一种估算全球语言技术的实用性的框架，并量化了 NLP 研究现状中存在的差异性，探讨了其相关的社会和学术因素，并为基于证据的政策制定提出了定制的建议，旨在促进更全球和公平的语言技术。

    Oct, 2021

  • 规范和自然语言处理：驯服大型语言模型

    自然语言处理和人工智能方面的科学创新正在以前所未有的速度发展。当前关于其发展、应用和使用的利益和风险的辩论主要由 AI 安全和 AI 伦理运动主导，而在 NLP 研究中，对风险和危害监管的讨论越来越多，但缺乏系统的方法论和与相关领域的深入联系。为了加强与监管研究的关联，我们提倡开展一个针对风险和 NLP 的多学科研究空间（RegNLP），以系统的方法将科学知识与监管流程相结合。

    Oct, 2023