context integration | BriefGPT

关键词context integration

搜索结果 - 8

ACL通过对比解码增强大型语言模型中的上下文理解能力
大型语言模型在生成文本时常常不能充分整合输入上下文，过度依赖模型参数中的编码先验知识，导致生成的文本存在事实不一致或上下文不忠实的内容。本研究提出了一种新颖的方法，利用对抗性无关信息作为负样本，通过对比解码来增强生成过程中的强大上下文基础。
PDF2 months ago
强化学习方法将压缩上下文整合到知识图谱中
该研究提出了一种基于强化学习的方法，利用深度 Q 网络增强知识图谱中上下文信息的整合过程。实验结果表明，该方法在不同的标准知识图谱数据集上优于传统技术，准确实现了上下文整合，凸显了强化学习在增强和管理知识图谱方面的潜力和有效性。
PDF3 months ago
生成语境的视野失明：语言模型如何合并生成和检索到的语境进行开放领域问答？
大型语言模型在提升效果方面，通过融合生成的上下文和检索的上下文具有显著偏差，这是因为生成的上下文更接近问题，而检索的上下文被分割过程干扰，了解了 LLM 是如何整合不同的上下文，为 LLM 的当前增强方法提供了有价值的认识。
PDF5 months ago
论会话多模态情感识别中模态和语境的解绑和融合
在对话情景下，针对 MM-ERC（对话中的多模态情感分析）的任务，本研究通过多模态特征解缠和融合，同时模型特征的多模态性和对话背景的建模，以推动任务表现，提出了一种双层解缠机制和特征融合机制，成功地在两个公共数据集上实现了最新的最优性能，并
PDFa year ago
多样性 vs. 可识别性：一次性生成模型中的类人泛化
本文提出了一种新的评估单次生成模型的框架，用于比较其与人类生成的差异，确定其代表人体模型的模型以及模型参数。该框架通过对样本可识别性和样本多样性（即类内差异）两个方面进行评估，并对代表性单次生成模型在 Omniglot 手写数据集上进行了详
PDF2 years ago
ACL从上下文描述中检索图像
本文介绍了新的多模态挑战 ImageCoDe，探讨当前视觉 - 语言模型集成上下文、包括感知和时间信息的能力。通过从一批候选图像中选择正确的图像作为回应上下文描述，验证了多种现代模型的表现，并发现相对于人类表现差距巨大。文章介绍了新的模型变
PDF2 years ago
CVPR多重网格神经架构
本研究提出了一种基于多重网格结构的卷积神经网络，能够在不同尺度空间上操作输入和输出，实现任务的动态路由和内部注意力机制，以及通过逐级概括将上下文信息融合到网络中。在分类和语义分割等多项任务中得到了相对较好的表现表明，相对于传统的基于单一网格
PDF8 years ago
ECCV为指称表达理解建模物体间的语境关系
提出了一种技术，该技术通过整合对象之间的上下文来理解指代表达式，使用 LSTM 学习指代表达式的概率，并利用多示例学习 (MIL) 方法发现上下文区域，使用最大边际 MIL 目标函数训练 LSTM，实验结果表明，与仅建模对象属性相比，建模对
PDF8 years ago