无码av一区二区三区无码,在线观看老湿视频福利,日韩经典三级片,成 人色 网 站 欧美大片在线观看

歡迎光臨散文網(wǎng) 會員登陸 & 注冊

Talk預(yù)告 | 劍橋大學(xué)蘇熠暄:對比搜索(Contrastive Search)當(dāng)前最優(yōu)的文本生成算法

2022-12-06 12:13 作者:TechBeat人工智能社區(qū)  | 我要投稿


圖片

本期為TechBeat人工智能社區(qū)461線上Talk!

北京時間12月8(周四)20:00劍橋大學(xué)在讀博士生——蘇熠暄的Talk將準(zhǔn)時在TechBeat人工智能社區(qū)開播!

他與大家分享的主題是:?“對比搜索(Contrastive Search)—當(dāng)前最優(yōu)的文本生成算法”,屆時將分享其在NeurIPS2022上的工作及接下來的一篇后續(xù)工作。


Talk·信息

主題:對比搜索(Contrastive Search)—當(dāng)前最優(yōu)的文本生成算法

嘉賓:劍橋大學(xué)在讀博士生 蘇熠暄

時間:北京時間?12月8日(周四) 20:00

地點(diǎn):TechBeat人工智能社區(qū)

http://www.techbeat.net/

長按識別二維碼,一鍵預(yù)約TALK!


Talk·介紹

文本生成在自然語言處理領(lǐng)域有著重要地位。傳統(tǒng)的生成方法如貪心搜索(Greedy Search)或集束搜索(Beam Search)經(jīng)常會導(dǎo)致模型退化(Model Degeneration)的問題。其他方法如Top-K采樣或核采樣(Nucleus Sampling)則經(jīng)常會導(dǎo)致語義信息不一致的問題。在本次報告中,講者將介紹在NeurIPS 2022中最新提出的對比搜索(Contrastive Search)算法。該方法已在16種語言下得到了廣泛的驗(yàn)證,并且已經(jīng)部署在騰訊AI Lab上線產(chǎn)品(Effidit)以及Huggingface Transformers平臺庫中。本次Talk主要分為兩個部分。首先會分享講者在NeurIPS 2022上的工作,之后會介其接下來的一篇后續(xù)工作。



Talk·提問交流

在Talk界面下的【交流區(qū)】參與互動留下你的打call??和問題??,和更多小伙伴們共同討論,被講者直接翻牌解答!

你的每一次貢獻(xiàn),我們都會給予你相應(yīng)的i豆積分,還會有驚喜獎勵哦!


Talk·預(yù)習(xí)資料

  • A Contrastive Framework for Neural Text Generation

https://arxiv.org/abs/2202.06417https://github.com/yxuansu/simctg

  • Contrastive Search Is What You Need For Neural Text Generation

http://arxiv.org/abs/2210.14140https://github.com/yxuansu/Contrastive_Search_Is_What_You_Need



Talk·嘉賓介紹

蘇熠暄
劍橋大學(xué)在讀博士生

蘇熠暄,劍橋大學(xué)博士生,導(dǎo)師為Nigel Collier教授。此前他于劍橋大學(xué)獲得碩士學(xué)位,于北京理工大學(xué)獲得本科學(xué)位。他的研究方向關(guān)注于大規(guī)模語言模型,文本生成,以及表征學(xué)習(xí)。到目前為止,他已與NeurIPS,ACL,EMNLP,NAACL,EACL等會議中發(fā)表十余篇論文。

主頁:https://yxuansu.github.io/

長按識別二維碼,一鍵預(yù)約TALK!


-The End-

關(guān)于TechBeat人工智能社區(qū)

TechBeat (www.techbeat.net) 是一個薈聚全球華人AI精英的成長社區(qū)。 我們希望為AI人才打造更專業(yè)的服務(wù)和體驗(yàn),加速并陪伴其學(xué)習(xí)成長。 期待這里可以成為你學(xué)習(xí)AI前沿知識的高地,分享自己最新工作的沃土,在AI進(jìn)階之路上的升級打怪的根據(jù)地!

更多詳細(xì)介紹>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ

Talk預(yù)告 | 劍橋大學(xué)蘇熠暄:對比搜索(Contrastive Search)當(dāng)前最優(yōu)的文本生成算法的評論 (共 條)

分享到微博請遵守國家法律
托克逊县| 临高县| 玉环县| 资溪县| 双城市| 毕节市| 根河市| 鱼台县| 祥云县| 葫芦岛市| 同心县| 靖江市| 甘孜县| 海城市| 湘潭县| 镇康县| 神池县| 大田县| 肇庆市| 武隆县| 天峨县| 崇礼县| 丹东市| 上林县| 通渭县| 金秀| 信阳市| 富源县| 北川| 尼勒克县| 安新县| 绥中县| 额尔古纳市| 波密县| 郓城县| 水富县| 大同市| 镇安县| 离岛区| 鄱阳县| 墨竹工卡县|