fine-grained categories | BriefGPT

关键词fine-grained categories

搜索结果 - 8

使用知识图谱评估复杂问题回答和归因的大型语言模型基准
使用知识图谱为问题 - 答案对自动生成不同类别的归因，并引入细分类型（支持性、不足、矛盾和不相关）来衡量归因，评估现有评估方法在细致归因设置下的表现较差，使用人工注释验证的 CAQA 基准为选择和开发 LLM 归因评估器提供了有前景的工具。
PDF5 months ago
自学或学以致用？自编码用于广义类别发现
通过优化的方式，我们提出了一种新颖、高效且自我监督的方法，能够在测试时发现以前未知的类别。我们的方法通过将最短长度的类别编码分配给每个数据实例来捕捉现实世界数据集中普遍存在的隐含类别层次结构，从而增强了对类别细粒度的控制，使我们的模型能够熟
PDF8 months ago
EMNLPDNA: 去噪的邻域聚合用于精细颗粒类别发现
从粗略标记的数据中发现细粒度类别是一项实用且具有挑战性的任务，本文提出了一种自我监督的框架 ——Denoised Neighborhood Aggregation (DNA)，它能够将数据的语义结构编码到嵌入空间中，通过聚合邻居信息来学习紧
PDF9 months ago
Ticket-BERT：利用语言模型标注事件管理工单
提出了一个名为 Ticket-BERT 的简单、强大的语言模型，并将其封装在一个主动学习循环中，用于标记故障票。实验表明，在 Azure 认知服务上，Ticket-BERT 比基线和最先进的文本分类器表现更好。
PDFa year ago
百科问答视觉：有关细粒度类别详细属性的视觉问题
提出了一个大规模的视觉问答数据集 Encyclopedic-VQA，包括涉及细粒度类别和实例详细属性的视觉问题，并配有来自 Wikipedia 的知识库作为支持每个答案的证据，可以通过检索增强模型实现对这些问答的准确回答。
PDFa year ago
EMNLP基于层次化加权自对比学习的精细类别发现在粗粒度监督下的应用
本研究提出了一种新的细粒度类别发现的场景，称为基于粗糙标注的细粒度类别发现 (FCDC)，它旨在通过仅使用粗糙标记数据发现细粒度类别，可以适应来自已知类别的不同粒度的类别并降低标记成本，而我们的方法则通过结合自对比学习和有监督学习进行层次加
PDF2 years ago
iMaterialist 时尚属性数据集
本文介绍了一个名为 iMaterialist Fashion Attribute（iFashion-Attribute）的新数据集，其中包括超过一百万张时尚图片，用 8 组 228 种细粒度属性注释。作者使用现代 CNN 提供基线结果，并
PDF5 years ago
细粒度图像搜索的对抗学习
本论文提出了一种名为 FGGAN 的端到端网络，通过从多视角图像中隐式学习几何变换的方式来学习判别性表征，进而解决精细图像检索中由于姿态变化造成的难点；该网络使用生成式对抗网络（GAN）自动处理复杂视角和姿态的差异，并在开放集情况下能够更好
PDF6 years ago