近日,阿里云人工智能平台PAI与复旦大学王鹏教授团队合作,在自然语言处理顶级会议EMNLP 2024上发表论文《Distilling Instruction-following Abilities of Large Language Models with Task-aware Curriculum Planning》。文章提出了一个名为 TAPIR 的知识蒸馏框架,TAPIR 通过多任务课程规划来蒸馏黑盒大语言模型的指令回答能力,在...
目录 收起 动机 数据集设计 数据集构建 模型评估与分析 投稿 本篇分享 EMNLP 2024 论文MIBench: Evaluating Multimodal Large Language Models over Multiple Images,阿里通义实验室提出MLLM多图能力评估基准MIBench。 论文链接:arxiv.org/abs/2407.1527 数据链接:huggingface.co/datasets 动机 近年来,多模态大模型...
以"3+5=" -> "8"为例,将layer 17, head 22 zero-intervention后,"8"的排名/logit/概率均大幅下降。CNA的具体方法是使用时间旅客:[EMNLP 2024] Neuron-Level Knowledge Attribution in Large Language Models [LLM 可解释性]这篇论文中提出的log probability increase方法作为importance score定位原模型和edited模...
截稿日期为2024年6月15日。 官方网站:https://2024.emnlp.org/ 概述 EMNLP 2024 邀请提交长篇和短篇论文,这些论文应展示关于自然语言处理实证方法的重要、原创且未发表的研究成果。EMNLP2024 的目标是构建一个多样化的会议程序——除了传统的研究成果外,论文还可以贡献负面发现、调研某...
EMNLP 2024 official website This is the code for the official website for the 2024 Conference on Empirical Methods in Natural Language Processing (EMNLP 2024), based on the code forNAACL-HLT 2021, the following are the configuration details. ...
论文《OmAgent: A Multi-modal Agent Framework for Complex Video Understanding with Task Divide-and-Conquer》(OmAgent: 一种基于分而治之策略的复杂视频理解多模态智能体框架)被EMNLP 2024录用,联汇科技在智能体领域的创新成就再次得到国际认可。 发布了头条文章:《国际领先!联汇科技OmAgent论文被国际顶会EMNLP ...
近日,阿里云人工智能平台PAI与华南理工大学金连文教授团队合作,在自然语言处理顶级会议EMNLP 2024 上发表论文《VideoCLIP-XL: Advancing Long Description Understanding for Video CLIP Models》。该工作提出了一个名为VideoCLIP-XL的视频CLIP模型,旨在提升对视频的长文本描述的理解能力。这一工作构建了一个大规模的长视频...
EMNLP 2024(The 2024 Conference on Empirical Methods in Natural Language Processing)将于2024年11月12日至16日在美国佛罗里达州迈阿密召开。中心有一篇研究成果被EMNLP2024主会录用。 EMNLP是自然语言处理和人工智能领域的顶级会议(主会录...
The official implementation for the paperUnlocking Continual Learning Abilities in Language Models[EMNLP 2024 Findings]. Code is still under construction, please stay tuned. 🔔Code• 📃Paper Abstract Language models (LMs) exhibit impressive performance and generalization capabilities. However, LMs stru...
论文链接:https://aclanthology.org/2021.emnlp-main.428.pdf 代码链接:https://github.com/Perfec-Yu/Lifelong-ED 1.1 创新 定义了一个新任务lifelong event detection(增量学习,不断学习和预测新的事件类型),提出一个模型,通过在旧事件类型和新的事件类型间迁移知识,缓解严重的类型不平衡问题。