- 自动一致性评估的新型计算和建模基础
该论文提出了一种正式和计算的口头表达的一致性的设置和评估方法，该方法通过联合训练多种任务的模型，在评估一致性的各个任务上表现出更好的性能，为大规模自动评估一致性提供了坚实的基础。
- 通过利用目标语言上下文提升端到端会话语音翻译
在这篇研究中，我们介绍了如何在端到端语音翻译中引入目标语言上下文，以增强连贯性并克服扩展音频片段的内存限制。此外，我们还提出了上下文丢弃以确保对上下文缺失的鲁棒性，并通过添加说话者信息进一步提高性能。我们的上下文化端到端语音翻译方法优于孤立 - AAAI基于树结构的重构分区：一种新颖的低数据量生成方法
我们介绍了一种名为 Tree-based Reconstructive Partitioning (TRP) 的新型 PCGML 方法，它能够解决在游戏开发的早期阶段应用 PCG 和 PCGML 方法的问题。我们的实验证明，TRP 产生的关 - Gradpaint: 基于梯度引导的扩散模型修复
GradPaint 是一种用于图像修复的方法，通过计算模型的损失与输入图像的相干性，并使用扩散模型本身的梯度来引导生成过程，从而改善了目前基于监督和非监督方法的最新技术。
- ICCV关注词语和要点：文本到形状协调性的基准测试
自动改进与形状关联的文本描述以及通过交叉注意机制，提出了一个量化指标来评估文本与形状的一致性，并通过用户研究和现有指标的比较来验证提出方法，从而构建了一个新的细粒度基准，推动文本条件下的三维生成模型的研究。
- 使用基于逐块方式的 GAN 生成无限分辨率纹理
本文介绍了一种使用基于生成对抗网络（GANs）的逐片段范例生成无限分辨率纹理图像的新方法。该方法通过在一个纹理图像上训练 GAN 模型，生成相对较小但局部相关且可无缝拼接成更大图像的纹理片段，并具有可扩展性、一致性和多样性。实验结果表明，相 - 一种基于 ASP 的数据到文本处理的 xAI 方法
该论文提出了一个符合 xAI 要求的框架，通过 ASP/Python 程序对自然语言文本进行生成，并实现了对准确性错误和合成量的显式控制，同时利用逻辑规则对文本进行层级组织和结构管理。
- 通过单调约束提高论文连贯性评估的泛化能力
我们提出了一个一致性评分模型，它由两个特征提取器组成：本地一致性判别模型和标点修正模型。使用梯度提升回归树作为回归模型，并对输入特征施加单调性约束，结果表明我们的模型在未见数据上具有更好的泛化能力。该模型在 NLPCC 2023 的 7 号 - 使用图卷积网络建模文档结构相似性进行连贯度评估
研究了一种基于 GCN 的连贯性模型，能够捕捉文档之间的结构相似性，实现对语篇的连贯性评估和自动化文本评分，并在两个任务中实现了总体最佳。
- 抽象相关工作生成的因果干预
通过引入因果干预模块（CaM）识别文本生成过程中的因果关系，从而提高生成的相关作品的质量和连贯性。
- 层次混合网络用于连贯的概率预测
Hierarchical Mixture Networks (HINT) is a model family for efficient and accurate forecasting, specialized on multivaria - ACL基于布朗桥随机过程的目标导向主动对话中的对话规划
提出了一种基于随机过程的连贯对话路径规划方法，使用预训练语言模型生成明确的路径并引导对话生成，实现了更高成功率和更连贯的话语。
- 深度学习增强自旋量子比特环境的噪声谱学
本论文实验结果表明，使用神经网络重建近邻 NV 中心中的碳杂质集合的功率谱密度，可以提高噪声光谱学的准确性，同时需要比标准动力解耦技术更少的动力解耦序列。
- 潜在情境下的语言建模
提出了一种名为 SituationSupervision 的方法，通过训练语言模型以构建和调节实体及其状态的显式表示来提高 LMs 的一致性。
- 人在环节下的抽象式对话摘要
本文提出引入不同层次的人类反馈，结合增强学习以提高抽象对话摘要的质量。实验表明，该方法在人类判断方面优于监督式基线，并能提高摘要质量。
- EMNLP长文本生成的模型评估
使用潜在空间中的统计工具，比较语言模型生成的文本与真实数据的分布，评估生成文本的高级结构，发现基于 Transformer 的语言模型能够捕捉主题结构，但在维持结构连贯性和建模指代关系方面存在困难。
- 从反例中学习连贯写作
本研究提出了一种通过利用负面例子来提高神经编码器 - 解码器自然语言生成模型的连续性的写作相关性（WR）训练方法，着重于语境和生成的句子的矢量表示，将其与负面例子进行对比，并将其与常识自然语言推理中的 Unlikelihood（UL）训练方 - ACLRSTGen: 为长文本生成器注入细粒度可解释控制
本文提出了一种基于修辞结构理论（RST）的框架 RSTGen 来控制生成的长文本的话语结构、语义和主题，应用于论证生成和故事生成等挑战性任务，评估结果表明我们的模型在人工评估相关度方面表现优异同时具有更多控制生成文本的优势。
- 自动摘要中冗余与局部连贯性之间的权衡
使用心理语言学理论，我们在提取式摘要中实现了对不重复且连贯的元素进行排名。这个系统可以控制信息检索量的预算，并通过实验证明在处理冗余文档时提供了更少冗余的摘要。
- ACL面向开放式文本生成的事件转换规划
本文提出了一种新颖的两阶段方法 —— 事件转移规划和文本生成，可以在在开放式文本生成中明确地安排事件顺序，从而在生成的文本中改善一致性和多样性。