本文介绍了一种通过识别句中单词使用的不同含义进行分组的无监督词义归纳（WSI）任务。最近的工作使用了预先训练的 RNN 语言模型（ELMo）来进行聚类，并且将该方法适用于 BERT 进一步提高了得分。本文通过提出一种解释聚类结果的方法来扩展先前的方法支持动态而非固定数量的簇，并执行了广泛的错误分析来揭示 WSI 任务中剩余错误的来源。

May, 2019

WMT 共享任务中，我们获得了 92 个参与队伍提交的数据，使用 BLEU 自动评估指标对机器翻译中的翻译建议进行了评估，并提供了英德和英汉语料库来进行两个子任务的翻译建议。

Nov, 2022

科学写作反馈生成自动化辅助工具 SWIF$^{2}$T，通过使用多个大型语言模型实现四个组件：计划者、调查员、评论员和控制器，生成具体、可行和连贯的反馈，优于其他方法，并提出将 AI 生成的反馈整合到科学写作中的机会。

May, 2024

本研究论文提出了一个基于大规模语言模型、传统马尔可夫模型和字符级模型的端到端系统，以在严格的延迟限制下为 Intuit 金融专家提供个性化的句子 / 单词自动完成建议，旨在在一天内高效准确地书写复杂金融概念。该系统不仅高效和个性化，而且稳健，可以在几乎实时提供相关的自动完成功能，有效节省专家记录时间并提升与团队和客户的交流。同时，并进行了比较研究，此功能可在短时间内与任何具有书写功能的产品集成。

Aug, 2023

本文通过分析针对信息内容而忽略其社会方面的单一视角，提出智能写作助手需要融入社会因素来建立更有效、更个性化的写作助手，以提高用户体验和促进用户的广泛采用。

Mar, 2023

We created a benchmark data set called WeTS, which includes human-annotated golden corpus and synthetic corpus to improve the performance of Translation Suggestion (TS) for post editing after machine translation (MT). Our Transformer-based model achieves State-Of-The-Art (SOTA) results on four translation directions: English-to-German, German-to-English, Chinese-to-English and English-to-Chinese.

Oct, 2021

本文提出一种基于分类方法的新型词汇替换基准测试数据集，与现有基准测试相比，该数据集具有更高的数据质量和更广的数据覆盖率，其替换词以人类判断的可行性和上下文适宜度为导向，相比已有基准测试，其能够为同一任务提供更多、更合适的替换词。

Jun, 2021

本研究介绍了一种新的文本生成评估指标 SMART，其以句子为匹配的基本单位，通过句子匹配功能软匹配候选句子和参考句子，并与源文档中的句子进行比较以进行评估。实验结果表明，SMART 指标在评估长文本时优于其他评估指标，在无神经网络时再现了基于模型的指标，同时对于长摘要的评估效果良好，且不偏向特定模型。

Aug, 2022

本文描述了 Smart Compose 系统，它利用大规模神经语言模型和最先进的机器学习技术为 Gmail 用户提供实时的自动建议功能，解决了邮件撰写中的重复输入问题，并采用了特殊的基础设施以实现高吞吐量和实时推理。实验结果表明，所提出的系统具有良好的性能并在 Gmail 中投入使用。

May, 2019

本文提出了两种新颖的模型来进行关键字建议任务，使用 Word2Vec 和 FastText 的架构，通过利用文档中的关键字共现来生成关键字嵌入向量，并采用特殊的负例抽样方法来利用关键字在学术出版物中的出现方式。此外，还提供了基于排名的评估方法，对所提出的模型进行评估，并在已知项目和自由搜索场景下显示了较大的性能改进。

Jan, 2023