https://i.ancii.com/pirage/
A Ph.D. student in NLP at IIE, CAS. My Blog: indexfziq.github.io.
BERT、GPT-2、XLNet等通用语言模型已经展现了强大的威力，它们可以应付各类任务，比如文本生成、问答。当这些模型对各种语言任务进行微调时，可以达到SOTA性能。“天马”模型仅使用1000个样本进行训练，就能接近人类摘要的水平，大大减少了对监督数据的
斯坦福大学AI实验室主任、人工智能和计算语言学领域的权威专家Christopher Manning教授，在美国长滩CVPR大会现场分享了人工智能研究的最新趋势和挑战，以及他参加本次大会的思考。Christopher Manning是斯坦福大学计算机与语言学
近日，百度提出知识增强的语义表示模型 ERNIE，并发布了基于 PaddlePaddle 的开源代码与模型，在语言推断、语义相似度、命名实体识别、情感分析、问答匹配等自然语言处理各类中文任务上的验证显示，模型效果全面超越 BERT。近年来，无监督文本的深度
近年来，我们已经看到了大数据的成功应用，但根据研究，只有20％的员工能够真正的使用BI工具。此外，由于在统计思维方面缺乏培训且图表和图表形式的数据不是很清晰，决策者往往会出现误解和决策失误。而这背后的一切其实就是人工智能技术的子集-自然语言处理，自然语言理
众所周知，自然语言处理与计算机视觉是人工智能的两大热门领域。近年来，随着深度学习等技术的发展，计算机视觉领域发展很快，越来越多的应用开始落地。与之相比，NLP 领域目前的进展如何？昨天，有人在 Reddit 上发出了疑问：是否我们和 NLP 的突破之间还有
如今，自然语言处理可谓遍地开花，可以说正是我们了解它的好时机。NLP的快速增长主要得益于通过预训练模型实现转移学习的概念。这一突破使NLP应用变得如此简单，尤其是那些没有时间或资源从头开始构建NLP模型的人。或者，对于想要学习或者从其他领域过渡到NLP的新
在本月初我在温哥华出席的ACL时Joakim Nivre宣布：“NLP正在蓬勃发展”。参加人数众多的人士认为，学术界对NLP的兴趣已经处于历史最高点，主要是因为深度学习的成功。然而，我参加ACL时注意到的一个研究人员的焦虑，因为一个领域正在快速发展转型。研
本文介绍一个机器学习大型数据集的汇总网站，网站目前提供约 70 个最新数据集，涵盖了计算机视觉、自然语言理解和音频三大领域。还在愁到哪里找到需要的机器学习数据集吗？每年都有很多大型、高质量的数据集发布，其中大多数数据集都发布在各自的网站上，通过谷歌搜索很难
史上最强“通用”NLP模型来袭：今天OpenAI在官博介绍了他们训练的一个大规模无监督NLP模型，可以生成连贯的文本段落，刷新了7大数据集基准，并且能在未经预训练的情况下，完成阅读理解、问答、机器翻译等多项不同的语言建模任务。无需预训练就能完成多种不同任务
0 关注 0 粉丝 0 动态
Copyright © 2013 - 2019 Ancii.com
京ICP备18063983号-5 京公网安备11010802014868号
