实体
Bem
Bem
PulseAugur coverage of Bem — every cluster mentioning Bem across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
研究发现：词义消歧瓶颈在于标签而非模型
一篇关于英语词义消歧（WSD）的新论文指出，当前前沿的LLM模型已经非常准确，以至于训练标签的质量已成为基准性能的主要瓶颈。研究人员引入了lexEN，一个修正后的WSD基准，以及SenseBench，一个带有排行榜的评估工具。他们还发布了重新标注的语料库和一个在这些改进标签上训练的强大双编码器模型，证明了生成高质量标签的成本现在是WSD研究的主要限制因素。
-
生成式模型模拟态度改变理论
研究人员开发了一种新的工作流程，使用生成式模型创建可执行的态度改变理论模拟。该方法将认知失调、自我一致性和自我感知等理论渲染为Concordia库中的参与者-环境模拟。这些实现成功复制了经典心理学实验的行为模式，但要获得稳定的结果，需要解决口头描述中的不确定性和历史实验假设问题。迭代模型稳定过程突显了原始理论中未完全记录的操作和社会生态依赖性。
-
新的BEM模块可抑制实时摄像机检测中的误报
研究人员开发了一种名为背景嵌入记忆（BEM）的新型无训练模块，旨在提高目标检测器在现实场景中的准确性。BEM通过估计背景嵌入并利用它们来惩罚虚假检测，从而在无需额外训练的情况下减少误报。该方法在LLVIP等数据集和模拟监控流上的各种检测器家族中显示出一致的改进，并保持了实时性能。