PulseAugur
中
实时 15:07:42
English(EN) Word Class Representations Spontaneously Emerge from Successor Representations Trained on Natural Language

后继表征揭示语言模型中涌现的词类结构

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员将强化学习中的一个原理——后继表征（SRs）——应用于自然语言处理。通过在WikiText-103上训练一个神经网络来预测不同时间跨度下的未来词语分布，他们观察到了结构化语言表征的自发涌现。这些表征表现出与词性类别相关的清晰几何组织，名词、动词和形容词可以通过无监督聚类进行分离。该研究表明，句法类别可能是预测性序列学习的自然结果，从而连接了强化学习、语言学和认知神经科学的概念。 AI

影响 表明句法类别可能从预测性学习中涌现，可能影响未来的语言模型架构。

排序理由 这是一篇研究论文，详细介绍了强化学习原理在自然语言处理中的新颖应用，从而产生了语言结构。 [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 →

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Mathis Immertreu, Achim Schilling, Thomas Kinfe, Patrick Krauss ·

    词类表征自发地从基于自然语言训练的后继表征中涌现

    arXiv:2605.24585v1 Announce Type: new Abstract: Language models are typically trained to predict the next token in a sequence. Here, we explore an alternative predictive principle from reinforcement learning: Successor Representations (SRs), which model the expected discounted di…

相关实体

相关话题