entity tracking | BriefGPT - AI 论文速递

关键词entity tracking

搜索结果 - 8

代码预训练提升语言模型的实体跟踪能力
最近的研究提供了间接证据，表明在代码上预训练语言模型可以提高模型在自然语言中跟踪语篇实体状态变化的能力。本研究通过比较基模型和在其基础上用额外代码数据进行训练的模型在实体跟踪性能上的差异，系统地测试了这一论点。此外，我们还扩展了分析，考察了
PDFa month ago
ICLR精细调整增强现有机制：实体追踪案例研究
通过对细分任务的调优，研究模型的内部计算如何受到影响，并在实体跟踪中显示出性能提升。
PDF4 months ago
ACL语言模型中的实体跟踪
本文探讨了大语言模型在跟踪实体状态和关系变化方面的能力，发现只有预训练于大量代码的 GPT-3.5 模型具有此能力，而使用预训练于文本的较小模型进行微调后也可以完成一定程度的实体追踪。但这种能力不仅取决于模型的大小，大文本库的预训练也不是必
PDFa year ago
ACL通过多任务学习模型和提及引导解码的有效利用实体追踪
该研究介绍了一种名为 MeeT 的多任务学习启发的实体跟踪方法，该方法利用一般领域任务中获得的知识来提高实体跟踪的准确性，无需设计具体的模型结构或专门的预训练，在两个常用的实体跟踪数据集上实现了最佳效果。
PDF2 years ago
高效易解释的实体追踪神经模型
本文提出了一种能够以高效的方式对实体进行追踪的模型，它使用预训练的语言模型来表示实体，并将实体追踪集成到语言模型中，为自然语言理解和 NLP 应用带来了很大的便利。
PDF2 years ago
EMNLP有限内存神经网络实现长文档指代消解
本文提出了一种基于内存增强神经网络的长文档共指消解方法，通过仅跟踪少量数量的实体，保证了线性运行时间，并且在 OntoNotes 和 LitBank 数据集上表现优异，同时学习到一种优秀的内存管理策略。
PDF4 years ago
ACLPeTra: 一种用于人员追踪的稀疏监督记忆模型
PeTra 是一款记忆增强的神经网络，旨在跟踪其记忆槽中的实体，并通过稀疏注释从 GAP 代词分辨率数据集中进行训练，其在任务上的表现优于先前的记忆模型。通过对关键建模选择进行实证比较，发现我们可以简化多个方面的内存模块设计同时保持强大性能
PDF4 years ago
EMNLP利用 Transformer 网络有效实现实体追踪
本研究探讨了在过程性文本中使用预训练的 transformer 网络跟踪实体的能力，发现通过调整输入结构，可以取得更好的实体跟踪结果，在配方中实现了材料检测以及在科学过程中进行了问答，达到了最先进的结果，但我们的模型仍然主要关注表面上下文线
PDF5 years ago