semeval 2024 | BriefGPT - AI 论文速递

关键词semeval 2024

搜索结果 - 7

BAMO 在 SemEval-2024 任务 9 中的表现：BRAINTEASER: 一个违背常识的新任务
该研究使用语言模型如 BERT 和 RoBERTa Large 来解决 SemEval 2024 BRAINTEASER 任务，通过使用 Chain of Thought 和 zero-shot learning 的方法，最终在句子难题子任
PDFa month ago
基于 Transformer 和混合深度学习模型的机器生成文本检测
该研究介绍了 UniBuc - NLP 团队应对 SemEval 2024 任务 8：多生成器、多领域和多语言黑盒机器生成文本检测的方法。我们探索了基于 transformer 和混合深度学习架构。其中，我们的基于 transformer
PDFa month ago
基于 Transformer 的对话情绪识别的神经网络
ISDS-NLP 团队在 SemEval 2024 任务 10 中提出了 EDiReF 方法，采用了掩码语言模型和因果语言模型两种不同的方法，研究了多语种设置下对情感进行预测的效果，并发现掩码语言模型在句子级情感分类方面的性能优于 Mist
PDF2 months ago
ACLAmazUtah_NLP 在 SemEval-2024 任务 9 上的工作：一种用于常识违背推理的多项选择题回答系统
利用综合策略和先进的预训练模型，以及 Sentence 和 Word Puzzle 数据集作为训练数据，并结合幽默 / 笑话和 RiddleSense 数据集进行模型微调，实现了 92.5％的句子拼图子任务准确率和 80.2％的词语拼图子任
PDF2 months ago
LyS 在 SemEval-2024 任务 3 中：基于图解析的端到端多模态情绪链接的早期原型
我们参与了 SemEval 2024 任务 3，重点研究了对话中的多模态情绪因果分析。我们设计了一个早期原型系统，使用基于图的依存解析方法来识别多方对话中的因果情绪关系。我们的模型包括一个基于神经变换器的编码器，用于提供多模态对话数据的语境
PDF2 months ago
CRCL 在 SemEval-2024 任务 2 中的简单提示优化
我们提出了 SemEval 2024 任务 2 挑战的基线，其目标是确定临床试验报告部分和陈述之间的推理关系。我们应用语言模型作为服务（LMaaS）的 LLM Instruct 模型进行提示优化技术，并观察到合成 CoT 提示显著增强了手工
PDF2 months ago
SemEval-2024 任务 8：加权层平均 RoBERTa 用于黑盒机器生成文本检测
该研究论文涵盖了作者对 SemEval 2024 任务 8 的提交详细内容，即多生成器、多领域和多语言黑盒机器生成文本检测子任务 A 和 B。该论文阐述了进行同样任务所使用的技术和所得结果。
PDF4 months ago