ACLJun, 2024

AutoCAP：面向零 - shot 思维链的自动跨语言对齐规划

PDF
TL;DR介绍了一种自动跨语言对齐规划（AutoCAP）方法，旨在解决当前跨语言推理方法中的两个主要挑战：手动语言规定和静态权重分配，AutoCAP 包括自动语言选择提示和自动权重分配提示两个核心组件，通过广泛实验验证了其在多个基准测试中取得了领先的性能，超过了之前需要人工操作的方法。
发现论文，激发创造
  • 跨语言提示：改进语言间的零翻译思维推理

    通过引入跨语言提示和跨语言自洽提示，本研究提出了一种改进零 - shot 推理的链思维 (CoT) 方法，以在不同语言之间提高推理性能，并在多个基准测试中获得了最先进的结果。

    Oct, 2023

  • CrossAligner & Co: 面向任务的跨语言自然语言理解的零 - shot 传递方法

    CrossAligner 是一种实现零 - shot 跨语言传递任务知识的有效方法，利用未标记并行数据进行学习对齐，其细调语言模型优于预期。

    Mar, 2022

  • 多单帽编码：用于零 - shot 多语言视觉字幕的自动编码提示

    多场景和多语言的视觉描述生成中，我们提出了一种简单而有效的零样本方法 MultiCapCLIP，它可以在不需要标注视觉 - 描述对的情况下，为不同的场景和语言生成视觉描述，并且在四个基准测试和四种语言上得到了相对于最先进的零样本和弱监督方法分别为 4.8% 和 21.5% 的绝对改进。

    Aug, 2023

  • MAPO：通过多语言对齐优化推进多语言推理

    通过采用一种对齐作为优选优化框架，我们在非中心语言中提高了推理能力，推理一致性得到了改善，并通过迭代 DPO 进一步优化了模型的多语言数学推理能力。

    Jan, 2024

  • 自我增强提高零 - shot 跨语言迁移

    提出一种称为 SALT 的简单而有效的方法，结合了代码混合和嵌入混合自增强，通过从多语言预训练语言模型中提取跨语言知识并增强其在下游任务中的可转移性，改进了零射击跨语言转移能力，而无需外部数据。

    Sep, 2023

  • 可转移潜变量的零 - shot 跨语言对话系统

    本文针对零资源的多语言任务导向对话系统进行零样本自适应的提出，使用极少量的平行语词来优化对齐的跨语言词级表示，并采用潜变量模型处理不同语言间类似句子的变化，实验表明，我们的模型在零样本情况下对自然语言理解任务的适应性优于当前最先进的模型。

    Nov, 2019

  • 零样本跨语言语义解析

    本文提出一种多任务编码 - 解码模型，通过多语言领域内语料库和英文 - 逻辑形式对标数据，在没有平行语料的情况下完成跨语言的语义解析，模型加强了语言无关编码，显著优于传统基于翻译的算法，有时能与有监督模型的上线媲美。

    Apr, 2021

  • 增强的自动语言预测与字典胶囊 —— 一种新的方法

    提出了一种新颖的自动语言预测字典胶囊 (ALPDC) 框架，用于语言预测和机器翻译，该模型结合神经网络和符号表示来预测给定输入文本的语言，并使用预构建的字典将其翻译成目标语言。该研究工作还旨在将各种语言的文本翻译为英文的字面含义。该提出的模型在多个基准数据集上取得了最先进的结果，并与现有方法相比显著提高了翻译准确性。结果显示了该方法在多语言交流和自然语言处理任务中的潜力。

    Mar, 2024

  • XCOPA: 多语言因果常识推理数据集

    本文介绍了一种名为 Cross-lingual Choice of Plausible Alternatives（XCOPA）的多语言数据集，用于进行跨语言因果常识推理，评估了一系列最新颖的模型，并提出适应于资源较少语言的多语言模型策略，最终提高了模型性能。

    May, 2020

  • UNISON: 无配对跨语言图像字幕

    本文提出了一种新颖的基于跨语言无配对数据的图像描述生成方法，通过跨语言的自动编码和跨媒体非监督特征映射实现从图像模态到语言模态的生成， 并在汉语图像描述生成任务上展示了其有效性。

    Oct, 2020