![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
chatgpat
文章平均质量分 83
AI知识图谱大本营
知识图谱AI大本营 是一个追踪、解读、讨论和报道大模型、知识图谱、NLP、深度学习、机器学习等AI前沿成果的学术平台,致力于让人工智能领域的国内外优秀科研工作者们得到交流学习的机会。
展开
-
Recommender Systems with Generative Retrieval
TLDR: 本文提出一种新的生成式检索推荐系统范式TIGER。当前基于大规模检索模型的现代推荐系统,一般由两个阶段的流程实现:训练双编码器模型得到在同一空间中query和候选item的embedding,然后通过近似最近邻搜索来检索出给定query的embedding的最优候选集。与上述不同的是,本文提出了一种新的单阶段范式,即一种生成式检索模型。论文:arxiv.org/abs/2305.05065这种范式下,只需要在一个阶段内自回归地解码目标候选项的ID。为了做到这一点,文中不是为每个item分配随机生原创 2024-01-22 13:04:16 · 1039 阅读 · 0 评论 -
一篇关于大模型在信息抽取(实体识别、关系抽取、事件抽取)的研究进展综述
基于这些全面的调查,我们识别了一些有前景的研究方向和技术,这些值得在未来的研究中进一步探索。未来的研究方向包括:(1)探索更有效的学习范式以提高LLMs在生成式信息抽取任务上的性能;例如,在监督微调中,LLMs通过在有标签数据上进行微调来提高性能;近年来,大语言模型(LLMs)在自然语言处理领域取得了显著的成果,尤其是在生成式信息抽取任务上表现出色。LLMs在各个子任务上均取得了显著的成果,例如在NER、RE和EE任务上,LLMs已经超越了传统的判别式方法,并且在多任务学习和跨领域迁移方面具有很强的潜力。原创 2024-01-02 23:21:52 · 5185 阅读 · 2 评论