相關(guān)文章

• 

  深入理解深度學(xué)習(xí)——GPT（Generative Pre-Trained Transformer）：基礎(chǔ)知識(shí)

  分類目錄：《深入理解深度學(xué)習(xí)》總目錄 相關(guān)文章： · GPT（Generative Pre-Trained Transformer）：基礎(chǔ)知識(shí) · GPT（Generative Pre-Trained Transformer）：在不同任務(wù)中使用GPT · GPT（Generative Pre-Trained Transformer）：GPT-2與Zero-shot Learning · GPT（Generative Pre-Trained Transformer）：GPT-3與Few-shot Learning

  2024年02月10日

  瀏覽(32)
• 

  Solving 3D Inverse Problems using Pre-trained 2D Diffusion Models

  論文鏈接：https://arxiv.org/abs/2211.10655 GitHub鏈接：https://github.com/HJ-harry/DiffusionMBIR 【score-MRI作者】 擴(kuò)散模型已成為具有高質(zhì)量樣本的新的藝術(shù)生成模型，具有模式覆蓋和高靈活性等有趣的特性。它們也被證明是有效的逆問(wèn)題求解器，充當(dāng)分布的先驗(yàn)，而正演模型的信息可以在采

  2024年02月09日

  瀏覽(26)

• A Survey of Knowledge-Enhanced Pre-trained Language Models

  本文是LLM系列的文章，針對(duì)《A Survey of Knowledge-Enhanced Pre-trained Language Models》的翻譯。 預(yù)訓(xùn)練語(yǔ)言模型（PLM）通過(guò)自監(jiān)督學(xué)習(xí)方法在大文本語(yǔ)料庫(kù)上進(jìn)行訓(xùn)練，在自然語(yǔ)言處理（NLP）的各種任務(wù)中都取得了良好的性能。然而，盡管具有巨大參數(shù)的PLM可以有效地?fù)碛袕拇罅坑?xùn)練

  2024年02月09日

  瀏覽(41)

• A Survey on Knowledge-Enhanced Pre-trained Language Models

  自然語(yǔ)言處理(NLP)已經(jīng)通過(guò)使用BERT等預(yù)訓(xùn)練語(yǔ)言模型(plm)發(fā)生了革命性的變化。盡管幾乎在每個(gè)NLP任務(wù)中都創(chuàng)造了新的記錄， 但plm仍然面臨許多挑戰(zhàn)，包括可解釋性差，推理能力弱，以及在應(yīng)用于下游任務(wù)時(shí)需要大量昂貴的注釋數(shù)據(jù)。通過(guò)將外部知識(shí)集成到plm中，知識(shí)增強(qiáng)預(yù)

  2024年02月11日

  瀏覽(23)
• 

  深入理解深度學(xué)習(xí)——GPT（Generative Pre-Trained Transformer）：在不同任務(wù)中使用GPT

  分類目錄：《自然語(yǔ)言處理從入門到應(yīng)用》總目錄 相關(guān)文章： · GPT（Generative Pre-Trained Transformer）：基礎(chǔ)知識(shí) · GPT（Generative Pre-Trained Transformer）：在不同任務(wù)中使用GPT · GPT（Generative Pre-Trained Transformer）：GPT-2與Zero-shot Learning · GPT（Generative Pre-Trained Transformer）：GPT-3與Few-s

  2024年02月10日

  瀏覽(25)

• Pre-trained Language Models Can be Fully Zero-Shot Learners

  本文是LLM系列文章，針對(duì)《Pre-trained Language Models Can be Fully Zero-Shot Learners》的翻譯。 在沒(méi)有標(biāo)記或額外的未標(biāo)記數(shù)據(jù)的情況下，我們?nèi)绾螌㈩A(yù)先訓(xùn)練的模型擴(kuò)展到許多語(yǔ)言理解任務(wù)？經(jīng)過(guò)預(yù)訓(xùn)練的語(yǔ)言模型（PLM）對(duì)于廣泛的NLP任務(wù)是有效的。然而，現(xiàn)有的方法要么需要對(duì)下游

  2024年02月07日

  瀏覽(23)
• 

  【論文閱讀24】Better Few-Shot Text Classification with Pre-trained Language Model

  論文標(biāo)題：Label prompt for multi-label text classification（基于預(yù)訓(xùn)練模型對(duì)少樣本進(jìn)行文本分類） 發(fā)表時(shí)間：2021 領(lǐng)域：多標(biāo)簽文本分類 發(fā)表期刊：ICANN（頂級(jí)會(huì)議） 相關(guān)代碼：無(wú) 數(shù)據(jù)集：無(wú) 最近，預(yù)先訓(xùn)練過(guò)的語(yǔ)言模型在許多基準(zhǔn)測(cè)試上都取得了非凡的性能。通過(guò)從一個(gè)大型的

  2024年02月14日

  瀏覽(33)
• 

  深入理解深度學(xué)習(xí)——GPT（Generative Pre-Trained Transformer）：GPT-3與Few-shot Learning

  分類目錄：《深入理解深度學(xué)習(xí)》總目錄 相關(guān)文章： · GPT（Generative Pre-Trained Transformer）：基礎(chǔ)知識(shí) · GPT（Generative Pre-Trained Transformer）：在不同任務(wù)中使用GPT · GPT（Generative Pre-Trained Transformer）：GPT-2與Zero-shot Learning · GPT（Generative Pre-Trained Transformer）：GPT-3與Few-shot Learning

  2024年02月10日

  瀏覽(40)
• 

  深入理解深度學(xué)習(xí)——GPT（Generative Pre-Trained Transformer）：GPT-2與Zero-shot Learning

  分類目錄：《深入理解深度學(xué)習(xí)》總目錄 相關(guān)文章： · GPT（Generative Pre-Trained Transformer）：基礎(chǔ)知識(shí) · GPT（Generative Pre-Trained Transformer）：在不同任務(wù)中使用GPT · GPT（Generative Pre-Trained Transformer）：GPT-2與Zero-shot Learning · GPT（Generative Pre-Trained Transformer）：GPT-3與Few-shot Learning

  2024年02月10日

  瀏覽(32)
• 

  LLMs領(lǐng)域適應(yīng)的預(yù)訓(xùn)練Pre-training for domain adaptation

  到目前為止，我強(qiáng)調(diào)了在開發(fā)應(yīng)用程序時(shí)，您通常會(huì)使用現(xiàn)有的LLM。這為您節(jié)省了大量時(shí)間，并可以更快地得到一個(gè)工作原型。 但是，有一種情況下，您可能會(huì)發(fā)現(xiàn)有必要從頭開始預(yù)訓(xùn)練自己的模型。如果您的目標(biāo)領(lǐng)域使用的詞匯和語(yǔ)言結(jié)構(gòu)在日常語(yǔ)言中并不常用，您可能需

  2024年02月11日

  瀏覽(29)