![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文
文章平均质量分 93
HanslerLi
北京交通大学计算机科学硕士在读
展开
-
EMNLP 2023 | 蚍蜉撼大树:我们是否应该进行模型编辑?
我们对最近流行的直接模型编辑方法提出了质疑。基于检索的架构,它将事实记忆与LLM中体现的推理和语言能力解耦;概念删除方法,旨在防止生成文本中的系统性偏见;归因方法,其目的是将世代建立在已确定的文本来源中。我们认为,直接模型编辑不足以被信任为LLM固有缺点的系统补救措施,尽管它已被证明在提高模型可解释性方面具有潜力。但它强化了LLM模型真实这一概念,打开了LLM的潘多拉魔盒。我们呼吁谨慎地推广和应用模型编辑,将其作为LLM部署过程的一部分,并将LLM的用例限制在那些不依赖编辑作为关键组件的用例中。原创 2023-10-21 19:38:40 · 209 阅读 · 0 评论 -
【论文笔记】专家系统 · 用于高血压、Ⅱ型糖尿病和多发性硬化的预诊断的专家系统的发展
这里写目录标题文献出处1 题目2 中文摘要3 问题定义4 方法及原理4.1 理论框架4.2 主要方法4.2.1 三项指标4.2.2 高血压算法4.2.3 Ⅱ型糖尿病算法4.2.5 用户交互页面实现5 研究结果6 创新点7 阐述对文献研究相关问题及研究方向的个人体会参考文献文献出处[1] Urrea C, Mignogna A. Development of an expert system for pre-diagnosis of hypertension, diabetes mellitus type原创 2021-10-19 19:43:47 · 543 阅读 · 0 评论 -
【论文笔记】《Learning Entity and Relation Embeddings for Knowledge Graph Completion》
学习实体和关系嵌入在完成知识图谱中的应用1 题目2 摘要3 问题定义4 方法及原理4.1 TransE模型[2]4.2 TransH模型[3]4.3 TransR模型5 研究成果5.1 链接预测5.2 关系抽取5.3 三元组分类6 创新点7 个人体会1 题目英文原标题:Learning Entity and Relation Embeddings for Knowledge Graph Completion中文译题:学习实体和关系嵌入在完成知识图谱中的应用2 摘要论文摘要的中文翻译内容知识图原创 2021-10-18 14:34:35 · 3336 阅读 · 0 评论