- [学术前沿]2021年5月arxiv简介论文浅读
- [学术前沿]2021年4月arxiv简介论文浅读
- 【图像复原】DnCNN论文详解(Beyond a Gaussia
- 【目标检测】yolo论文详解(You Only Look Onc
- C230 DL AndrewWu 2018-L8 职业目标与论文
- 推荐系统论文阅读(十五)-阿里巴巴:多任务学习模型 ESMM2
- 【基础网络】ResNet论文详解(Deep Residual L
- 区块链论文精读——StrongChain: Transparen
- 论文笔记(三)NIPSI:value iteration Net
- Recurrent Residual Convolutional
期待通过日常查看简介部分,快速了解目前学术动向
-
4月27日更新
- Focused Attention Improves Document-Grounded Generation
- 简介:基于文档的生成是利用文档里提供的信息以提高文本生成的精度。这篇论文主要集中于两种不同的基于文档的生成任务:维基百科更新生成任务与对话响应生成。我们将介绍两种重点建立文档的上下文驱动表示以使文档中的具体信息可以得到关注的大规模编译解码模型的适配性。此外我们为这些任务提供了更强大的BART baseline。我们提出的技术在自动化和人工评估与参考文献的接近性以及与文献的相关性方面都超过了既存方法。我们还对生成的输出进行了全面的人工检查,并对错误进行了分类,以便为将来的建模方向提供思路。
-
4月28日更新
- Extractive and Abstractive Explanations for Fact-Checking and Evaluation of News
- 简介:这篇论文为了协助事实核查和新闻评估应用,探索了新闻声明的自然语言解释的构建。他们探索了两种方式:(1)基于Biased TextRank的提取方式--这是一种基于资源效率的无监督图模型提取算法。(2)基于GPT-2预训练语言模型的抽象式。该论文在政治和健康这两个新闻领域的错误信息数据集上进行了比较评估,发现提取式效果更好。
网友评论