关键词authorship style transfer
搜索结果 - 4
- TinyStyler: 高效的少样本文字风格转换与作者嵌入
TinyStyler 是一种轻量但高效的文本风格转换方法,利用小语言模型和预训练的作者嵌入来进行有效的少样本文本风格转换,表现优于 GPT-4,并在自动和人工评估中超过最近的可控文本生成方法。
- 使用策略优化进行作者风格迁移
通过参数高效的迁移学习技术和策略优化方法,本研究提出了一种简单的两步调优和优化技术,用于在资源有限的情况下进行文本风格转换,并在作者转换和更大数据的本地语言风格任务中都取得了优于最先进基准模型的表现。
- ParaGuide: 文本风格转换的引导扩散改写器
文本样式转换是将文本的样式特征进行转换而保留其含义的任务。我们引入了一种新颖的基于扩散的通用样式转换框架 ParaGuide,它可以在推理时灵活地适应任意目标样式,利用改进的扩散模型,结合来自现成分类器和强大的已有样式嵌入器的梯度引导,以转 - 基于上下文学习的低资源作者风格转移
本文提出了一种名为 STYLL 的方法,能够在 Reddit 上只有少量目标作者的样式的情况下进行低资源的作者风格转移任务,并通过作者风格表示嵌入和自动评估方法在该任务上优于 STRAP 和其他基线方法。