关键词state-of-the-art accuracies
搜索结果 - 5
- 因果推理与大型语言模型：为因果关系开辟新领域
本文探讨了大型语言模型（LLMs）的因果能力，证明它们在因果推理方面具有优越性能和独特的知识来源。同时，我们提供了技术来解释它们的鲁棒性，并认为 LLMs 可用作人类领域知识的代理以及降低因果分析中的人力成本。因此，LLMs 在推动因果研究 - CVPR探索提高低分辨率人脸识别的因素
本论文主要研究如何利用检测因素来提高基于深度学习的人脸识别在低质量图像下的识别准确率，通过利用 MS-Celeb-1M 数据集并对 VGGFace2 数据集进行微调，达到了 SCFace 和 ICB-RW 基准测试的最新水平。
- 通用词语分割：实现与解释
本篇论文介绍了一种序列标注框架，并将其应用于具有不同书写系统和类型特征的多种语言的单词分割，结果表明，单词分割的准确性与单词边界标记正相关并与非分割术语数量负相关。在此基础上，设计了一套小的语言特定设置，并基于 Universal Depe - 使用分层树 LSTM 进行简单优先级依赖解析
本文提出了一种基于递归组合的循环神经网络编码器的分析树组合向量表示方法，将其作为贪心自底向上的依赖关系分析器的骨干，无需外部词嵌入，实现了英语和中文的最新精度。
- 最小二乘法再探：可扩展的多类预测方法
该研究提供了一种用于大规模多类（和多标签）预测的简单算法，其鲁棒性强且不需要参数；这些基于二次结构的算法能够在理论和实践中胜过基于一阶方法的算法，并且通过可扩展的分阶段方法，通过增加计算速度改善准确率。