- 利用目标语言单语语料库进行计算机辅助翻译的跨语言神经模糊匹配
本文介绍了一种基于神经网络的新型方法,借助跨语言句子嵌入来利用目标语言单语语料库检索翻译建议,并使用神经模型估计其后编辑工作量,通过自动和人工评估证明此方法可以在以传统翻译记忆为基础的计算机辅助翻译环境中成功利用单语文本,增加有用翻译建议的 - 超音速:在 C/C++ 中学习生成源代码优化
通过使用序列到序列模型,本文介绍了一种名为 Supersonic 的神经方法,该方法针对源代码进行微小的修改以实现优化,实验证明 Supersonic 在代码优化任务中表现优于 OpenAI 的 GPT-3.5-Turbo 和 GPT-4, - BNSynth: 有界布尔函数综合
该论文介绍了一种名为 BNSynth 的工具,它是解决具有解决方案空间范围限制的 BFS 问题的第一个工具,该工具利用反例指导的神经方法去综合较小的函数,并且相比现有的工具,平均方案大小减少了至少 3.2 倍(最高可达 24 倍)。
- 神经网络无监督重建原语词形
本文介绍一种最先进的神经网络方法,用于无监督重建古代词形。通过使用具有单调对齐约束的神经模型,本方法可以捕捉更复杂的语音和形态变化,实现从五种罗曼语言中的藏语重构拉丁文词汇,并显著提高了与以前方法相比的编辑距离减少率。
- ICML一种用于正则文法归纳的神经模型
我们提出了一种新颖的神经方法来归纳正则语法,我们的模型具有可解释性,可用于学习任意正则语法,并在各种复杂性的测试中始终达到高的召回率和精度得分。
- 基于神经动态网格的人类表现建模与渲染
本文提出了一种综合的神经方法,用于从密集的多视角视频中重建、压缩和渲染人类表演。该方法桥接了传统的动画网格工作流和一类高效的神经技术,其中包括神经表面重构器和混合神经跟踪器,并实现了各种带宽设置下的从动态纹理到光图渲染的渲染方案,展示了其在 - 使用可微分虚拟物体插入的神经光场估计技术应用于城市场景
本文提出一种用于户外场景的光照估计的深度学习方法,并通过建立一个包含 HDR 天空穹、基于体积渲染的光照模型和可微分的物体插入式训练框架,实现了对具有阴影的物体完全可微的插入和渲染,为自动驾驶应用提供了更真实的增强数据。
- 生成适当重复词汇的重复
本工作探索了重复生成,并提出了一种加权标签平滑方法和一种重复评分方法来输出更合适的重复,并在 T5 语言模型上进行了评估,实验结果表明我们的方法在自动和人工评估中均优于基线。
- EMNLP端到端神经信息状态分类
本文提出了基于神经网络的端到端方法,用于信息状态分类和桥式照应识别,并在 ISNotes 数据集上实现了语义级别下的最新成果。同时,该系统也在桥接照应识别方面表现出了竞争力。
- ACL层级语篇表示对实体共指解析性能的影响评估
本文利用神经方法中自动构建的语篇分析树,在两个基准实体共指数据集上展示了显著的改进,探讨了相关提及类型对结果的影响。
- 神经网络实时人像视频补光通过一致性建模
通过 OLAT 数据集,提出了一种新的基于神经网络的实时、高质量和一致的视频人像重照方法,这是一种混合结构和光照分离的编码器 - 解码器架构,采用多任务和对抗训练策略进行语义感知一致性建模,并采用流基础监督方案进行时间建模,同时还提出一种光 - EventHands: 基于事件流的实时神经网络 3D 手部姿态估计
本文使用单个事件相机首次解决了从单目视频中估计 3D 手势姿态的问题,提出了一种新的神经方法,可在 1000Hz 的实时性能下具有高时间分辨率和低数据吞吐量等特征,并且在新生成的合成事件流上进行训练和泛化,该方法在准确性和捕捉前所未有的手部 - ACL说不是一门艺术:上下文回退响应用于无法回答的对话查询
该研究设计了一种基于神经网络的对话系统,实现了基于用户查询情境感知和否定回复的定制化回答,提高了对话效果和多样性,并通过自动和人工评估证明了系统的有效性。
- ACLConVEx: 数据高效率的、小样本插槽标注
我们提出了 ConVEx(面向对话任务的槽标记对话值提取器),通过 Reddit 数据上的新颖成对填空任务的预训练目标,实现序列标记任务的领域特定槽标记器的学习,并在保持预训练模型的大多数参数固定不变的情况下,仅通过微调预训练的通用序列标记 - COLING无监督文本风格转换的循环一致对抗自编码器
本文提出了一种名为 Cycle-Consistent Adversarial Autoencoders (CAE) 的神经网络方法,用于无监督文本风格转换,并且结合对抗生成网络进行风格转换,通过循环一致性约束保持内容的完整性,实验表明该方法 - EMNLP基于语义相关性的文本识别再排序
我们提出了一种神经方法来学习语义相关性,并通过学习单词对句子或单词到单词的关系分数来改善文本识别性能,证明了在识别图像中的文本时,语义相关性可以优于其他度量标准。
- WWWNERO: 基于神经网络的规则接地框架用于标签有效的关系提取
本文提出了一种基于标注规则的神经方法 NERO,可以通过自动标注和软匹配,增强神经关系提取模型的监督学习效果,实验结果表明 NERO 模型的效果表现优秀。
- ACL使用更丰富的对齐特征进行简单而有效的文本匹配
本研究提出了一种快速、强劲的神经方法来进行通用文本匹配应用,通过保留原始点对特征、前一对齐特征和上下文特征三个关键特征,并简化其他所有组件,该模型在自然语言推理、释义识别和答案选择等任务上的性能与最先进技术相当,在参数更少的情况下,推理速度 - ACL通过最小代价流进行神经解密:从乌加里特语到线性 B 语
本文提出一种新颖的神经方法来自动解密失落的语言,该模型利用历史语言学中记录的语言变化模式来补偿强监督信号的缺失。通过将训练过程形式化为最小成本流问题,我们训练模型以非监督的方式工作,该方案在解读乌加里特语方面取得了 5.5%的绝对改进,在解 - ACL跨领域数据库中基于中间表示的复杂文本转 SQL 研究
利用 IRNet 的神经方法,从文本向 SQL 转换的复杂性和跨领域性的角度入手,成功解决了大量领域外单词造成的列预测挑战,并在 Spider 基准测试中取得了 46.7%精度,比之前表现最佳的方法 “进步了 19.5%”,在 Spider