- 水下艺术：利用文本模板拓展水声目标识别的信息视角
我们提出了一种基于丰富相关信息模板的水下声学识别方法（称为 UART），其采用音频 - 频谱图 - 文本三模态对比度学习框架，通过自然语言描述引导声学表征的学习，在实践中具有更好的识别能力和泛化性能，并且预先训练的 UART 模型可以在没有 - 使用模板量化社会偏见是不可靠的
研究证明，使用样板评估来量化社会偏见可能不可靠，本文研究了在不破坏语义的情况下手动修改先前工作中使用的模板是否会影响偏见测量的结果，结果显示在四项任务中，模板的修改会使偏见值和相应的结论在不同程度上变化，有增有减，因此，对于 LLMs 的公 - 通过深度对象解析实现细粒度少样本识别
本文提出了一种基于深度物体解析的细粒度 few-shot 识别方法，在该框架中，我们学习一组模板来解析物体，这些模板在所有实例和类别之间共享，并且在测试实例中使用活动模板和部件位置相对几何匹配的方式进行识别。我们表明该方法具有解释性并且与最 - TempLM: 将语言模型提炼为基于模板的生成器
TempLM 是一种将预训练语言模型转化为基于模板生成器的方法，能够提供预训练模型的流畅性和模板系统的保真性，实验证明其在数据到文本转化方面比原始模型更具可靠性，也比以前的模板系统更流畅。
- 超越身份：生物识别人脸模板中存储了哪些信息？
本文利用深度学习方法对人脸识别中的模板进行分析，探究其中包含的 113 个属性。结果显示，最多可预测 74 个属性，尤其是年龄、发型、发色、胡须和不同配件等不稳定属性容易被预测。这项工作有助于开发更加隐私保护、公平的人脸模板。
- 基于问题回答语料库和知识库的问题回答学习
本论文提出了一种新型问题表示方式：模板，应用于十亿级别的知识库和百万级别的问答数据。通过学习用于特定目的的模板，系统 KBQA 可以有效地回答基础性问题和复杂问题，并在 QALD 基准测试中胜出其他工作。
- EMNLP文本生成的神经模板学习
本文介绍了一种使用隐藏半马尔科夫模型（HSMM）解码器学习潜在的离散模板以及生成的神经生成系统，展示了该模型学习到有用的模板，从而使生成过程更具可解释性和可控性，并且在真实数据集上的表现与编码器 - 解码器文本生成模型接近。
- EMNLP生成具有风格差异的餐厅评论的创意模板收集
本研究探讨了一种从餐厅领域的正面和负面评论中获取模板的方法，以扩大自然语言生成功能可用的风格变化类型，使用主观评估措施来评估学习的模板，并计划使用学习的模板来改善餐厅领域的对话系统的会话风格。
- 事件模式归纳中的模板和槽位联合学习
本文提出了一种联合实体驱动模型来同时学习模板和插槽，实体的语义信息也被考虑进来。该模型利用图像分割中的标准化切割标准将人物分成更准确的模板群组和插槽群组，实验表明我们的模型相对于之前的工作获得了更高的结果。
- EAZY: 一种快速的公共光度红移算法
本文介绍了一种用于决定光度红移的新程序 EAZY，它能够优化模板匹配、使用基于流量和红移的先验以及模拟半解析模型来确定光度红移，相较于现有程序，其具有更高的实用性和可靠性。
- AAAI双关谜实现模型
本文介绍了一个用于生成问答式双关语的简单问题 - 答案双关语模型 JAPE。该模型使用了结构图谱和模板，能够成功生成识别为笑话的段落，但有些并不是很好的笑话。我们提出了一些潜在的改进和扩展，包括后期启发式方法以根据质量排序笑话。