cross-domain performance | BriefGPT

关键词cross-domain performance

搜索结果 - 9

FakeNewsGPT4：通过知识增强的 LVLMs 推进多模态假新闻检测
本研究通过将大规模视觉 - 语言模型（LVLMs）与特定领域内的造假专有知识相结合，提出了 FakeNewsGPT4，用于检测多模态假新闻并获得更优跨领域性能。实验证明 FakeNewsGPT4 在公共基准测试中表现出优越的性能。
PDF4 months ago
技巧的背包：以质量较差的数据为基础的半监督跨域陨石坑检测
我们提出了 SCPQ 模型，通过使用注意力机制融合浅层信息、采用伪标签和数据增强策略以及平滑的难样本挖掘损失函数来提高外星行星撞击坑的检测的健壮性和跨领域性能。实验结果表明，相较于基准，我们在 DACD 数据集上实现了更好的性能，并提高了跨
PDF7 months ago
ACL跨领域少样本关系抽取的语言表示
通过在关系抽取任务中引入语言表示和语义图，我们扩展了现有研究，并探讨了它们对跨领域性能的影响。我们发现，这些语言表示和语义图可以显著提高少样本学习的性能，并且在不同领域中具有相当的实用性。
PDFa year ago
USB：跨任务和领域的统一摘要基准
本研究提出一个多维理解摘要的基准测试，并在其上比较了多种模型的性能，发现中等规模的微调模型在多个任务上始终优于更大的几次提示语言模型。同时发现，对于某些任务，训练数据的数量比其来源领域更重要，而对于其他任务，尽管数据量有限，但特定领域的数据
PDFa year ago
跨领域评估词性标注器：从华尔街日报到 Fandom Wiki
根据 Elder Scrolls Fandom 的数据，分别采用 Stanford 标注器和 Bilty 标注器进行研究，发现在培训过的记号上性能几乎与域内性能一样好，但是对于未知标记的准确性会降低，同时两个标注器都在专有名词和不一致的大小
PDFa year ago
利用自我监督提升跨域语音识别能力
本文提出了一种系统的无监督领域自适应框架，利用自监督方法在预训练和微调范式中充分利用无标签数据，在解决提高自监督方法在异领域性能的同时，通过提出三种创新性的调整方法，有效地提高了自适应领域的性能。
PDF2 years ago
自动 X 光预测中跨域普适性的局限性研究
该研究采用大规模方法量化 X 射线诊断预测任务在多个不同数据集上广泛适用的程度，并发现预测的不一致性不是由图像转移引起的，而是由标签转移引起的。通过正则化网络来测试概念相似性，观察多个数据集中任务之间的差异。
PDF4 years ago
英文文学代词消解的已注释数据集
本文提出了一个新的数据集，其中包含 100 部英文小说的 29,103 个指代注释，涵盖了 210,532 个标记。这个数据集对比以前的数据集不同的地方在于包含了平均长度为 2,105.3 个单词的文档，是其他基准数据集的四倍长（OntoN
PDF5 years ago
基于循环神经网络的提及检测鲁棒性探究
本文研究了基于循环神经网络（RNN）的提及检测系统的鲁棒性及其在信息提取中的应用，表明在英语的普通或跨领域的情况下，RNNs 不仅在通用情况下优于之前报告的最佳系统（最多可达 9％的相对错误降低），而且在荷兰语中表现出的命名实体识别相似任务
PDF8 years ago