《论文阅读》不要迷失自我！通过显式自我-其他意识产生同情回复 （部分代码讲解）2023 ACL findings

已于 2024-03-06 11:27:11 修改
阅读量101 收藏
点赞数
分类专栏： 情感对话 文章标签： 论文阅读 共情回复生成 图网络 回复生成 自我意识 他人意识
于 2024-03-04 20:45:29 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44833392/article/details/136330430
版权
情感对话 专栏收录该内容
70 篇文章 59 订阅 ¥29.90 ¥99.00
订阅专栏
这篇博客详细解读了2023年ACL论文《Don’t Lose Yourself! Empathetic Response Generation via Explicit Self-Other Awareness》，探讨如何在共情回复生成中运用自我-他人意识。文章介绍了模型架构，包括Self-Other Differentiation、Self-Other Modulation和Self-Other Generation，并通过图网络和图注意力机制实现情绪预测和回复生成。实验结果显示，结合自我和他人意识的模型优于仅使用单一意识的模型。
摘要由CSDN通过智能技术生成

《论文阅读》不要迷失自我！通过显式自我-其他意识产生同情回复

前言

亲身阅读感受分享，细节画图解释，再也不用担心看不懂论文啦~
无抄袭，无复制，纯手工敲击键盘~

今天为大家带来的是《Don’t Lose Yourself! Empathetic Response Generation via Explicit Self-Other Awareness》

在这里插入图片描述

出版：ACL (Findings) 2023

时间：2023

类型：共情回复生成

关键词：对话共情回复，回复生成，自己-他人感知

作者：Weixiang Zhao, Yanyan Zhao, Xin Lu, Bing Qin

第一作者机构：Research Center for Social Computing and Information Retrieval Harbin Institute of Technology, Chin

了解本专栏 订阅专栏 解锁全文
365JHWZGo
关注
专栏目录
订阅专栏
《论文阅读》通过动态融入常识知识来提高同理心对话的生成 ACL (Findings) 2023
MyHeartWillGoOn
09-15 583
你是否也对于理解论文存在困惑？你是否也像我之前搜索论文解读，得到只是中文翻译的解读后感到失望？小白如何从零读懂论文？和我一起来探索吧！今天为大家带来的是《Improving Empathetic Dialogue Generation by Dynamically Infusing Commonsense Knowledge》时间：2023年5月类型：共情回复生成关键词：动态选择；常识推理作者：Hua Cai, Xuli Shen, Qing Xu等。
【论文阅读笔记|EMNLP2023】DemoSG: Demonstration-enhanced Schema-guided Generation for Low-resource Event Ext
@
01-04 1424
当前大多数事件抽取（EE）方法都专注于高资源场景，这需要大量的带注释数据，难以应用于低资源领域。为了更有效地应对有限资源下的EE问题，我们提出了增强演示引导生成（DemoSG）模型，它从两个方面为低资源EE提供了帮助：首先，我们提出了基于演示的EE学习范式，充分利用带注释的数据，将其转化为演示来展示提取过程，并帮助模型有效学习。其次，我们将EE作为一个由基于模式的提示引导的自然语言生成任务来进行建模，从而利用标签语义并促进低资源场景中的知识转移。
ACL23 User相关论文（主会+findings）
somerZX的博客
09-19 1297
看了一些ACL23主会和findings的论文，主会论文整体质量肯定比findings好，但是对于个别质量还不错的findings论文，感觉是因为运气不好才没上主会。
最新区块链论文速读--CCF C会议 ICPADS 2023 共28篇 附pdf下载 （1/4）
软件工程小施同学 的专栏
06-16 1162
然而，合约漏洞带来的威胁阻碍了该领域的发展。我们构建了完整的系统原型并进行了全面的评估，结果表明，Swarm 在传播延迟较高的网络中表现更佳，与不同规模的现有异步协议相比，实现了 2-5 倍的 TPS 提升，并将延迟降低了 50%。本文首先探讨跨异构区块链场景下的智能合约访问问题，然后提出一种基于预言机网关的跨链智能合约访问架构和一种基于订阅的跨链智能合约主动访问机制，最后实现一个原型系统，表明我们的架构与机制能够支持异构区块链的跨链智能合约访问，并降低跨链智能合约访问的复杂度和延迟。
七月论文审稿GPT第4版：通过paper-review数据集微调Mixtral-8x7b，对GPT4胜率超过80%
结构之法 算法之道
03-28 3460
解决方案：训练时使用了--quantization_bit 4 和 --flash_attn True，这里也要使用统一的才行。有些得单独版本对齐，本人使用的是cuda11.8。更多见七月的《大模型商用项目审稿GPT微调实战》推理所需显存为34318MiB。
论文阅读笔记Binary Code Summarization: Benchmarking ChatGPT/GPT-4 and Other Large Language Models
m0_49582935的博客
01-03 2763
作者精心策划了44个开源项目（总共包含11,475,734行代码），这些项目编译成了在4个体系结构（即x86、x64、ARM和MIPS）和4个优化级别（O0-O3）上的二进制文件。通过作者的注释提取和函数-注释匹配，作者获得了557,664个基于注释的地面实况摘要的二进制函数。作者还生成了四种二进制代码表示，包括原始字节、汇编代码、中间表示（IR）以及反编译代码（带和不带调试符号），以及它们的源代码。
LLaVA-Med 论文阅读笔记
qq_58400270的博客
12-03 1732
本文提出了一种经济有效的方法训练一个可以回答生物医学图像开放研究问题的视觉-语言对话助手。
Dynamic Connected Networks for Chinese Spelling Check ---- 论文阅读
学无止境
06-03 604
为了解决以上问题，本文提出了动态连接网络（Dynamic Connected Networks - DCN），包括拼音增强候选生成器（Pinyin Enhanced Candidate Generator）和动态连接评分器（Dynamic Connected Scorer - DCScorer）。此网络可以学习到输出汉字之间的依赖关系，缓解不连贯问题。首先，本文使用 RoBERTa 和拼音增强候选生成器结合拼音信息，并在每个位置生成 k 个候选字符。
【论文阅读】SeaD: End-to-end Text-to-SQL Generation with Schema-aware Denoising
Danger的博客
05-30 1373
【论文阅读】SeaD: End-to-end Text-to-SQL Generation with Schema-aware Denoising
visual-reasoning-rationalization:与“ EMNLP Findings 2020”论文“具有全栈视觉推理的自然语言原理”相关的代码
05-27
与“ EMNLP 2020”论文的“具有全栈视觉推理的自然语言原理”相关的代码 引文 @inproceedings{marasovic-et-al-2020-rationalization, title = "{{Natural Language Rationales with Full-Stack Visual Reasoning:...
Findings-crx插件
04-02
语言:English (United States) 发现亮点 通过Findings Chrome扩展程序，您可以捕获网络上的所有文本，然后通过Findings.com帐户进行保存和共享。
【论文阅读】BGE M3-Embedding：通过自知识蒸馏实现多语言、多功能、多粒度的文本嵌入
AI小白的学习记录，欢迎交流~
09-19 826
在本文中，作者介绍了一种称为 M3-Embedding 的新嵌入模型，该模型因其在多语言、多功能 和 多粒度上的通用性而与众不同。它为 100 多种工作语言的语义检索提供统一支持。它可以同时完成三种常见的检索功能：密集检索、多向量检索和稀疏检索。此外，它还能够处理不同粒度的输入，从短句子到最多 8192 个token的长文档。 M3-Embedding 的有效训练呈现出一系列技术贡献。尤其，作者提出了一种新的自知识蒸馏方法，其中来自不同检索功能的相关性分数可以整合为teacher信号，以提升训练质量。作者还
论文阅读--Planning-oriented Autonomous Driving（二）
hzlalb的博客
09-19 829
在这篇文献《Planning-oriented Autonomous Driving》中，作者提出了一个创新的自动驾驶系统框架UniAD，它以规划为核心，将感知、预测和规划任务集成在一个统一的网络中，通过基于查询的设计实现不同模块间的有效通信和信息共享。UniAD采用端到端的训练方法，允许直接从传感器数据学习到规划结果，强调了对规划模块的专门设计，包括自我车辆的显式建模和环境交互。此外，系统引入了非线性优化策略来提高运动预测的物理可行性，并通过同时考虑实例级和场景级信息来增强占用预测的准确性。
VCNet论文阅读笔记
最新发布
郭小儒的博客
09-20 1169
背景：因果推断（casual inference）在智能营销、药物治疗、决策上有广泛的应用，比如优惠券对用户购买意愿的影响、药品多大程度改善或治愈疾病、某项政策提高多少就业率等。（即，预估一种干预因素（treatment）对结果（outcome）的影响（），本文的目标问题就是获得ADRF曲线（平均剂量反应曲线）：x轴是药物浓度（treatment），y轴是患者效果（outcome）。
论文笔记：交替单模态适应的多模态表征学习
zly_Always_be的博客
09-17 1106
整理了CVPR2024 Multimodal Representation Learning by Alternating Unimodal Adaptatio的阅读笔记
【论文阅读】PolarNet: 3D Point Clouds for Language-Guided Robotic Manipulation
qq_33673253的博客
09-19 1102
为了解决这些局限性，可以对预训练语义感知的3d表示进行进一步的研究[56]，将其与预训练的2d模型相结合，并提高动作policy的复杂性。请访问我们的项目网站[57]，了解policy在现实世界中的执行示例。
论文阅读： SigLit | SigLip |Sigmoid Loss for Language Image Pre-Training
a486259的博客
09-17 926
论文地址：https://arxiv.org/pdf/2303.15343项目地址：https://github.com/google-research/big_vision发表时间：2023年3月27日我们提出了一种用于语言图像预训练（SigLIP）的简单成对 Sigmoid 损失。与使用 softmax 归一化的标准对比学习不同，sigmoid 损失仅对图像-文本对进行操作，并且不需要对归一化的成对相似性进行全局视图。
3、论文阅读：EnYOLO：一种基于图像增强的水下目标区域自适应实时检测框架
DQHNB的博客
09-17 1227
UIE：水下图像增强UOD：水下目标检测AUVS：自主水下航行器水下图像增强在水下目标检测任务方面应用不多，具体有一下原因：（1）使用UIE作为预处理步骤，引入了很大的计算量（2）在目标检测之前进行图像增强未必能够产生性能改进（3）复杂的水下环境导致不同场景下的域偏移，严重影响UOD性能为了解决这些挑战，我们引入了EnYOLO，这是一种集成的实时框架，设计用于同时进行UIE和UOD，并具有域适应能力。具体地说，UIE和UOD任务头共享相同的网络主干，并利用轻量级设计。
研究DCT集装箱码头闸口通过能力及排队模型-大连海事大学工程硕士学位论文
The research on the gate capacity of DCT container terminal... The findings of this research contribute to the advancement of transportation engineering and logistics management in the maritime industry.
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

365JHWZGo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值