类型:Findings of ACL 2023, Long Paper 解释图生成任务要求模型根据用户给出的查询生成一段推理图,表征模型内部的推理过程,以提高模型的可解释性。这项任务的主要难点在于,非结构化的用户查询和结构化的解释图之间存在明显的语义结构差异。现有的方法通常采用带有标注的小型下游数据集对模型做微调。然而,由于带有标注...
这是Monash University, Adobe Research和武汉大学联合发表于ACL2023的论文。这篇论文介绍了一个新数据集,FACTUAL,目的是提高视觉-语言任务中场景图解析(Scene Graph Parsing)的准确性(Faithfulness)和一致性(Consistency)。场景图解析是一个简单直接的任务,主要功能是将图片或文本描述转换为对应的语义场景图。在我们的论...
CCF-A类自然语言处理领域顶级会议第61届计算语言学学会年会(ACL 2023)组委会近日放出了录用论文清单。本次会议主会共录用长文910篇(较2022年大幅增长49.9%)、短文164篇(较2022年大幅增长69.1%),Findings共录用长文712篇(较2022年大幅增长157%)、短文189篇(较2022年大幅增长250%)。本次会议是目前为止收录论文数最...
[Findings of ACL 2023] Communication Efficient Federated Learning for Multilingual Machine Translation with Adapter - lancopku/FedMNMT
本文介绍了上海科技大学屠可伟课题组的一项研究,提出了一个与 Transformer 结构极为类似的概率句法模型。该论文已被 ACL 2023 接收为 Findings 长文。 Transformer: 一个黑盒模型 曾几何时,句法分析是自然语言处理的核心步骤。但过去十年间,基于经验设计的神经网络席卷了 NLP 领域,成为了主流的方法手段 [1],而句法...
Source code for Findings of ACL 2023 paper:Enhancing Document-level Event Argument Extraction with Contextual Clues and Role Relevance. Our code is based on TSAR (A Two-Stream AMR-enhanced Model for Document-level Event Argument Extraction)hereand thanks for their implement. ...
本文介绍了上海科技大学屠可伟课题组的一项研究,提出了一个与 Transformer 结构极为类似的概率句法模型。该论文已被 ACL 2023 接收为 Findings 长文。 论文标题: Probabilistic Transformer: A Probabilistic Dependency Model for Contextual Word Representation
The Wave Sign Correlates with the Posterior Horn Medial Meniscus (PHMM) Tear in the Anterior Cruciate Ligament (ACL) Deficient Knee Introduction A posterior horn medial meniscus (PHMM) tear subjects the knee to pathological stresses, especially in the setting of a deficient anterior cruciate ligamen...
The 2023 American College of Rheumatology / European Alliance of Associations for Rheumatology (ACR/EULAR) antiphospholipid syndrome (APS) classification criteria distinguish between anticardiolipin (aCL) or anti-尾2-glycoprotein I (a尾2GPI) IgG vs IgM isotypes, having isolate IgM positivity a low ...
本篇工作内容不涉及到ChatGPT时代的大模型,只探究了五种不同规模大小的T5和PALM模型;这使得文中提出的“大模型的可控性和鲁棒性都不够强”的观点或许不一定成立,例如ChatGPT的可控性在实际体验上感觉就非常好。 由于“每个模型都需要构建一个不同的KAFT数据集”,这意味着其中的各种数据的比例都需要不断地尝试然后...