task-specific | BriefGPT - AI 论文速递

关键词task-specific

搜索结果 - 11

增强嵌入用于定制检索
信息检索中的全面检索方法被应用于大型语言模型的前提学习中，这些检索方法早期用于经典应用，但近期多用于异构且严格的应用，需要改进小 K 值的检索。我们提出了一种改进的密集检索方法，通过学习预训练嵌入的低秩残差适应来实现任务特定、异构且严格的检
PDF9 months ago
可解释的深度框架：面向多对一 MRI 综合的任务特定融合
本文提出一种可解释的任务特定综合网络，通过训练可调节的任务特定加权平均模块和任务特定注意模块，可视化每个输入序列的贡献并突出网络尝试在合成过程中完善的区域。在 BraTS2021 数据集上的实验证明了该方法在任意序列合成方面具有优异的性能，
PDFa year ago
DynaShare：基於任務和實例條件的參數共享用於多任務學習
本文提出了一种新颖的多任务学习参数共享方法，它在推理时间上联合任务和中间特征表示来调节参数共享。与传统的参数共享方法不同，我们的方法利用任务和输入实例动态决定哪些网络部分被激活。该方法学习一个分层门控策略，包括粗层选择的任务特定策略和个体输
PDFa year ago
ACLBERT 知识蒸馏：权重初始化和蒸馏目标对影响的实证研究
本文评估了不同的中间层蒸馏方法在 BERT 模型的压缩上的效果，并发现使用注意力转移方法获得了最佳性能。同时，通过研究初始化学生模型时选择的优化层对任务特异性的蒸馏表现影响显著，尤其是在 QNLI 任务方面，初始学习率较低的教师模型层获得了
PDFa year ago
从大型预训练模型中提取特定任务的逻辑规则
本研究提出了一种新的框架 STREAM，通过采用最新的基于提示的语言模型作为知识专家来提取任务特定的逻辑规则，从而自动化地学习逻辑规则，以减少人工标注的工作量，并通过实验验证了该框架在命名实体标记任务中的有效性。
PDF2 years ago
ECCVDualPrompt：无需复习的连续学习的互补提示
DualPrompt 提出了一种无需 rehearsal buffer 的连续学习框架，通过学习使用预先训练好的模型进行有序任务学习的任务不变和任务特定的指示来达到目的，表现出卓越的性能。
PDF2 years ago
ICLR通过随机变异实现自构建神经网络
通过随机突变的简单方法学习神经网络结构，可以在单个生命周期内构建神经网络结构，使其能够适应动态和新颖的任务情境，具备高性能和终身学习能力
PDF3 years ago
EMNLP是否安排日程：提取任务特定时间实体及相关否定限制
本研究介绍了一种新型模型，可以提取任务特定的日期和时间实体以及其否定约束条件，通过在电子邮件基础数字 AI 预约助手的任务中进行验证，与基准方法相比，在检测与会议调度相关的日期时间实体方面具有 19％的绝对增益 F - 分数，并且在检测否定
PDF4 years ago
ICCV多任务 CNN 的随机滤波器组：学习专家和通用卷积核
这篇文章提出了一种基于概率方法的卷积神经网络多任务学习的机制，采用 “随机过滤器组”(SFG) 来确定不同任务之间卷积核的连接性并学习可能的卷积核分组和网络参数的后验分布，实验表明该方法在多任务学习上具有泛化能力和优越性能。
PDF5 years ago
知识图谱上的元推理
本文研究了在元学习范式下，少样本知识图谱推理的挑战和实际问题。提出了一种新的元学习框架，有效利用了本地图邻居和知识图谱中的推理路径等任务特定元信息。在两种少样本知识库补全基准测试中，我们展示了增强的任务特定元编码器比 MAML 更好，优于几
PDF5 years ago
CVPRGraphonomy：基于图传递学习的通用人体解析
本研究旨在学习单个通用的人物解析模型，该模型能够通过将不同域中的不同粒度的标注注解相结合来解决所有类型的人物解析需求。通过引入名为 “Graphonomy” 的新型普适人物解析代理，该代理将分层图传输学习与传统解析网络相结合，以编码底层标注
PDF5 years ago