multitasking | BriefGPT - AI 论文速递

关键词multitasking

搜索结果 - 8

读动即玩（R2-Play）：多模态游戏指令决策转换器
本文针对人工智能中发展通用型代理的目标，研究了多任务学习和决策网络以及多模态游戏指令对代理的指导与改进作用，并通过实验证明多模态游戏指令的引入显著提升了决策变换器在多任务和泛化能力方面的表现。
PDF5 months ago
ACL学习将句子改写为不同复杂程度
本论文研究句子简化，提出了两个新的无监督数据集用于训练模型，并通过多任务和提示策略在大语言模型下进行实验，取得了最新的性能成果。
PDFa year ago
应用生成预训练自回归转换器图神经网络分析和发现新型蛋白质
利用基于语言模型的灵活深度学习策略，基于一个完全基于提示的模型，将 transformer 和图卷积架构集成到因果多头图机制中，实现一个生成预训练模型，用于预测蛋白质的二级结构内容、蛋白质可溶性和蛋白质测序等任务，并可用于设计具有这些特性的
PDFa year ago
LAMOL: 面向终身语言学习的语言建模
LAMOL 是一种基于语言建模的简单而有效的终身语言学习方法，使模型能够解决并生成训练样本，可以在没有额外内存或模型容量的情况下重新播放以前任务的伪样本以预防灾难性遗忘，并以显著优于早期方法的优势表现出色，仅比多任务差 2-3％作为终身学习
PDF5 years ago
ACL通过形态学提升字符语言建模能力
本研究通过多任务学习将形态学监督引入字符语言模型，并发现即使形态学数据和语言建模数据不重叠，这种增加也可以提高 24 种语言的 BPC 性能。同时，研究表明有屈折词的性能获益更大，而形态学督导即使在语言建模数据增加的情况下也能提高性能。最后
PDF5 years ago
自然语言十项全能：将多任务学习作为问答问题
介绍了 Natural Language Decathlon（decaNLP），并使用 Multitask Question Answering Network（MQAN）实现了一种多任务学习方法，可以应用于十种常见自然语言处理任务，并且可
PDF6 years ago
CVPR利用半监督学习改进地标定位
本研究提出了两种技术来改善局部标记数据集中的地标定位。第一种技术是顺序多任务，利用分类或回归任务的类标签引导未标记数据的局部标记定位。第二种是基于无监督学习的方法，通过模型预测图片上的等变地标来提高地标定位，本文在两个玩具数据集和四个实际数
PDF7 years ago
EMNLP实体识别作为多任务处理
本文提出了一种新颖的神经结构来解决实体识别的问题，通过分离边界检测和类型预测、并联合优化来代替传统的标签 Hard-code 方法。这种架构可以在处理各种类型数据的同时保持高效率和简单性，并能帮助解决实体分类的问题。
PDF8 years ago