PulseAugur
中
实时 10:03:59
English(EN) N-gram-like Language Models Predict Naturalistic Reading Time Best

研究发现：类N-gram模型比Transformer模型更能预测阅读时间

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新论文提出，传统的类N-gram语言模型可能比复杂的Transformer模型更能预测自然阅读时间。研究表明，虽然Transformer模型在预测下一个词方面表现出色，但其概率与阅读时间指标的相关性不如简单的N-gram统计数据。研究发现，预测结果最接近N-gram概率的神经网络语言模型，也能最佳预测自然文本的眼动追踪数据。 AI

影响 表明当前Transformer模型在超出简单预测的自然语言理解任务方面可能存在局限性。

排序理由 该集群包含一篇阐述研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

研究发现：类N-gram模型比Transformer模型更能预测阅读时间

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · James A. Michaelov, Roger P. Levy ·

    类N-gram语言模型最能预测自然阅读时间

    arXiv:2603.09872v2 Announce Type: replace Abstract: Recent work has found that contemporary language models such as transformers can become so good at next-word prediction that the probabilities they calculate become worse for predicting naturalistic reading time. In this paper, …

相关实体

相关话题