online content | BriefGPT - AI 论文速递

关键词online content

搜索结果 - 11

双语性别歧视分类：Fine-Tuned 的 XLM-RoBERTa 和 GPT-3.5 少样本学习
通过利用自然语言处理模型，提高双语环境（英语和西班牙语）下的性别歧视识别能力，并使用 XLM-RoBERTa 模型和 GPT-3.5 完成两个任务，即判断文本是否性别歧视以及其来源意图。
PDF25 days ago
MODABS: 多目标学习动态方面摘要
利用 Longformer-Encoder-Decoder 的新型多目标学习框架，实现了对在线内容进行动态方面的摘要，通过优化方面数量预测、减小生成与参考摘要之间的差异以及最大化方面特定摘要之间的差异来提升摘要质量。在广泛的实验中，我们的方
PDFa month ago
SLANT: 虚假标志分析工具
在线内容中存在许多标志，这些标志广泛应用于用于预训练视觉语言模型的大量网络抓取的数据集中。通过开发了一个工具集 SLANT，我们发现一些标志确实会导致虚假的错误预测。SLANT 的标志可被视为对基础模型的有效攻击，为了应对这一威胁，我们还提
PDFa month ago
新背景，旧启示：生成式人工智能时代中印度和美国年轻人对在线内容的信任
年轻人在线上如何信任内容，尤其是生成式人工智能（GenAI）的使用以及信任形成的关键发现。
PDF2 months ago
JAMDEC：使用受限解码的无监督作者混淆在小型语言模型上
本文介绍了一种用于作者身份混淆的无监督推断时间方法，名为 JAMDEC，通过使用 GPT2-XL 等小型语言模型来增强创造力，并具备用户指定的控制和灵活性，实验证明其在性能上优于基于较小模型的现有方法，与 GPT3.5 175B 模型相比表
PDF5 months ago
ACL从长期用户文本中识别变化时刻
通过在线平台分享的内容观察个人行为和心情变化的识别已成为越来越重要的课题，本研究定义了一项新的任务，即基于个人在线共享内容识别个人变化时刻，我们在此基础上开发了几种基线模型，并引入了适应上下文的顺序建模的新度量。
PDF2 years ago
走向可推广的仇恨言论检测：障碍与解决方案综述
本综述旨在总结现有关于自然语言处理中针对在线仇恨言论检测模型泛化能力的研究结果、对现有模型泛化难题的原因进行解释、总结已有解决方案，并提出未来改善检测模型泛化能力的研究方向。
PDF3 years ago
浅阅读与深度学习：仅使用标题预测在线内容的受欢迎程度
本文提出了一种基于双向 LSTM 神经网络的新方法来预测在线内容的受欢迎程度，通过新闻标题文本信息可以提高传统浅层方法的预测精度，并且在预处理的词向量上使用 LSTM 模型可以提高预测结果。
PDF7 years ago
ICML通过损失保留转换构建可解释推荐系统
提出了一种解释性推荐系统构建方法，用于个性化在线内容和促销活动推荐，通过数据转换，可将多类分类数据集转换为可与标准解释性多类分类算法一起使用的新数据集，其最小化标准误分类惩罚等价于最小化自定义成本函数。
PDF8 years ago
CVPR理解图像传播
本文从计算机视觉的角度研究了社交网络上在线内容的传播现象，引入来自 Reddit 的三个图像数据集，定义了传播度量，并使用最先进的图像特征训练分类器来预测图像的传播度，相对传播度和主题，通过相对属性识别了与传播度相关的 5 个主要视觉属性，
PDF9 years ago
预测在线内容的受欢迎程度
通过对 Youtube 和 Digg 传播的内容进行考虑，本研究提出了一种从初步用户访问数据中准确预测在线内容长期受欢迎程度的方法。
PDF16 years ago