Chinese characters
PulseAugur coverage of Chinese characters — every cluster mentioning Chinese characters across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
HAN-Mamba模型利用Mamba架构增强金融波动率预测
研究人员开发了HAN-Mamba，这是一种新颖的混合架构，它将选择性状态空间模型（Mamba）与分层结构相结合，以改进金融波动率预测。该模型用Mamba编码器取代了其前身HAN-T中计算量大的Transformer编码器，从而显著减少了参数数量，并在Optiver已实现波动率预测基准测试中提高了性能。HAN-Mamba通过扩展其高频上下文处理能力并实现恒定时间流更新，展示了更高的准确性，优于其基于注意力机制的对应模型。
-
330 个大型语言模型接受韩语测试；许多模型未能遵守脚本规范
最近对 330 个语言模型进行的评估测试了它们在韩语任务上的表现，揭示了在脚本规范方面存在严重问题。相当一部分模型未能保持正确的脚本使用，许多回答包含错误的字母或中日文等其他语言的字符。评估采用了一种机械检查方法，在人工评委评估内容之前检查脚本污染，确保只有语言上合理的回答才会被评分。值得注意的是，发布日期、模型大小和英语基准测试表现等因素与韩语任务的成功与否无关，一些较旧的模型和较小的变体取得了满分。
-
泰语、高棉语、韩语和埃塞俄比亚文字的OCR挑战详述
像泰语、高棉语、韩语和埃塞俄比亚语这样的文字的光学字符识别（OCR）面临着不同于标准拉丁字母文本的独特挑战。泰语OCR由于词语之间没有空格，在词语分割方面存在困难，需要基于词典的方法。高棉语OCR面临堆叠的辅音下标和可能被标准识别模型丢失或误解的小型变音符号的问题。韩语OCR因历史上混合使用谚文和汉字而变得复杂，在有限的谚文数据集上训练的模型可能会错误地替换汉字。埃塞俄比亚文字是一种音节文字，其字符家族内部存在系统性的混淆，这意味着错…
-
扩散模型在笔迹轨迹恢复方面取得突破
研究人员开发了一个新颖的框架，使用扩散模型进行笔迹轨迹恢复，这是该任务的首次尝试。该方法将轨迹恢复视为一个图像条件生成过程，采用去噪扩散模型生成与观察到的墨迹痕迹相符的笔迹轨迹。在CASIA-OLHWDB数据集上的评估表明，与PEN-Net和Cross-VAE等现有方法相比，即使是复杂字符，在时间相似性和形状保真度方面也取得了显著的改进。该模型还显示出泛化到未见类别和书写系统的能力，成功地从一个针对汉字训练的模型中恢复了拉丁字母的笔画顺序。
-
BRIGHT模型通过通才-专才框架推进乳腺病理学研究 · arXiv研究
研究人员开发了BRIGHT，这是一种专门针对乳腺病理学的新型基础模型。该模型集成了协作式通才-专才框架，利用了来自多家医院和患者的超过51,000张乳腺全切片图像。与现有的通才病理学基础模型相比，BRIGHT在包括诊断和生存预测在内的25项乳腺肿瘤学临床任务中表现出优越的性能，取得了最先进的结果。
-
古代汉语词汇系统揭示灵活的语音转写
本研究论文考察了明朝政府用于翻译人员培训的历史多语言词汇系统——惠通馆华夷译语（HHY）。该研究将HHY视为一种系统的转写方法，分析了汉字如何被用来表示各种非汉语语言的声音。研究结果表明，HHY灵活运用汉语语音范畴来近似外来语音，为历史语音学和文献不足的亚洲语言提供了宝贵的见解。
-
新基准测试VLLM对汉字历史演变的能力
研究人员推出Chronicles-OCR，一个旨在测试视觉大语言模型（VLLMs）对汉字跨时间感知能力的新基准。该基准涵盖了从古代甲骨文到现代书法，中国文字的完整演变轨迹，解决了缺乏捕捉数千年系统性视觉变化的数据集的问题。Chronicles-OCR包含2,800张平衡图像，并提出了一种新颖的标注范式来处理剧烈的形态变化，提供了四项任务来评估VLLMs在历史文本感知方面的局限性。