- 稳定语义:自然图像中语义表示的合成语言 - 视觉数据集
理解视觉场景的语义是计算机视觉中的基本挑战之一。我们提出了 StableSemantics 数据集,其中包括 22.4 万个人工筛选的提示、处理过的自然语言字幕、超过 200 万个合成图像和 1000 万个对应于单个名词短语的注意力地图。我 - FAWN:直接神经 TSDF 重建的地板和墙面的正则化
通过检测墙壁和地板,罚款相应的表面法线偏离水平和垂直方向,我们提出了 FAWN,这是截断距离函数(TSDF)重建方法的一个修改版,它考虑了场景结构。FAWN 通过 3D 稀疏卷积模块实现,并且可以与任何预测 TSDF 的可训练流程相结合。我 - 使用音频启动大型语言模型进行通用语音摘要
利用大型语言模型的处理和推理能力,我们引入了一个语音摘要的框架。该框架结合了经过调整的指令型语言模型和将语音转换为令牌表示的音频编码器,以使语言模型能够解释语音输入,并可根据输入模态产生一致的响应。与先前的方法不同,我们的方法能摘要任意领域 - 上下文中的最高级:超级上下文约束与隐式领域限制
研究了超级级形容词的语义,提出了一个统一的解释方案,并通过对含有超级级形容词的多领域数据集进行注释来分析隐含或模糊的含义,进而进行各种预测超级级形容词语义的实验。
- 具有外星内容和外星元语义的人工智能
AlphaGo 以创新和新颖的方式下国际象棋和围棋,因此 AI 内容的语义和元语义是对它的内容进行思考的方式;然而,Cappelen 和 Dever 并未考虑外星内容的可能性,而外星内容是不可由人类表达的内容,而 AlphaGo 或其他复杂 - 非确定性因果模型
我对无确定性的非确定性结构方程模型进行了泛化,并论证它对反事实提供了改进的语义。我通过允许多值函数在结构方程中的使用来放弃了哈尔彭(Halpern)的标准确定性语义,并调整语义以确保在任何反事实世界中都保留了实际世界中获得的方程解。最后,我 - 移动测序器
探索语言和计划协作行动的共同起源,强调语义的变化史、发展、句法、传递和接收,以及语言行动的语义通过句法和规划来追踪和应对变化和不变。这一理念挑战了范畴的概念,语言学与计算机科学在其综合中具有重要意义,且对人类学产生了涉及扩展实践的影响。
- 通过包容性和抽象性连续尺度来指定普遍性
本文介绍了一种用于对自然语言中的名词短语(NPs)一般性进行细粒度建模的新注释框架。该框架旨在简单易懂,适合非专业注释者和众包任务,以理论和认知文献为基础,通过一个小规模但至关重要的标注数据集进行了实证研究。我们的工作为语言学家提供了一个实 - 神经相加图片模型:插值解释
通过综合建模方法,结合神经添加模型和扩散自编码器,我们能够有效识别图像效果的潜在隐藏语义并完全理解表格效果的影响。我们的方法具有高度灵活性,使我们能够全面探索各种图像特征的影响。通过消融实验,我们展示了该方法能够准确识别复杂的图像效果。为了 - 通过下一个词预测学习语义能力的可行性研究 —— 以蕴涵为例
理论上,LMs 通过其训练数据中的共现模式推导文本的语义信息;本研究调查其理论是否可用于从神经 LMs 中解码蕴含关系,结果显示与他们类似的测试可以在多个数据集和 LMs 上解码语义蕴含关系,这表明 LMs 隐含地建模了语义方面以预测句子共 - MMRFBES 在 SemEval-2024 任务 8 中的应用:探索用于区分人工智能生成和人类编写的文本的句法和语义特征
研究表明,利用大型语言模型可以高准确度地区分人工智能生成的文本和人类编写的文本,尤其在语义方面会更加有帮助,而句法方面还有改进的空间。
- 什么是一个词?
为了设计有效的模型来隔离词汇访问和语义,我们需要知道什么是一个词。然而,令人惊讶的是,很少有语言学家和哲学家对词有一个清晰的模型,尽管词汇影响人类生活的方方面面。本文概述了词典绝对不是什么(尽管通常被错误地作为),它可能是什么(基于当前的良 - 贝叶斯心智理论中关于信念的语言基础
通过对 Bayesian 心智模型的建模,该论文解释了人类相信陈述的语义,解释了人类对他人目标和信念的归属,并证明了心智理论对信念语义的重要性。
- 利用语境和音素表示从原始音频信号中学习语义信息
我们提出了一种框架,使用两种类型的表示,分别编码上下文和语音信息,从原始音频信号中学习语义。通过引入一种语音到单元处理流程,以不同的时间分辨率捕捉两种类型的表示。对于语言模型,我们采用双通道架构来结合这两种表示。我们还提出了新的训练目标,即 - ACL基于 Transformer 模型的多词表达语义研究:一项调查
通过对多词表达式的深入调查,我们发现 Transformer 模型在捕捉多词表达式的语义上存在不一致性,主要依赖表面模式和记忆信息,并且其表示在架构的早期层中主要存在。另外,我们强调了更直接可比较的评估设置的需求。
- 临床文本中实体修饰词的转移学习:用于阿片类物质使用障碍案例检测
通过多任务学习和迁移学习方法,我们有效地解决了临床文本实体修饰符的预测问题,并在性能上超过了先前的系统,验证了对临床文本修饰符的迁移学习的可行性。
- 语义计算对组织有效性的贡献:从组织理论到基于语义建模的实践
通过在一个地方政府的复杂基础设施项目中实现和验证本体论,该研究使用语义学方法对协调与合作进行建模和增强,提出了一个包含相关依赖的鲁棒保存型细化组织模型,以及如何通过改变组织内的依赖结构来减轻协调与合作风险等实际见解。
- 抽象辩证框架的编码转换为高阶逻辑
提出了一种将抽象辩证框架及其语义编码为经典高阶逻辑的方法,通过证明助手 Isabelle/HOL 来正式编码并证明重要性质和语义关系。这种方法允许在统一逻辑环境中使用自动化和交互式推理工具对抽象辩证框架进行计算机辅助分析。示例应用包括形式分 - AdaTyper:自适应语义列类型检测
AdaTyper 使用混合类型预测器,结合基于规则和轻量级机器学习模型,通过弱监督方法和最少的人工反馈,在推理时针对新的语义类型和数据分布变化进行自适应,能显著提高新型和已有类型的 f1-score。
- 确定虚假众包图像服务变更的意图
通过服务导向的方法,我们针对众包图像提出了一个新的框架来确定图像是否为伪造,其中使用图像的非功能性属性来识别图像服务的可信度。我们通过改变图像的语义来估计底层变化的意图,并通过实验表明,在一个大规模的真实数据集上具有很高的准确性。