DeepMLP

量子自然语言处理电路在参数更少的情况下显示出在释义检测方面的潜力

研究人员展示了一种混合量子经典变分电路用于释义检测，其参数数量远少于经典模型，但性能具有竞争力。该10量子比特电路仅包含2,148个参数，在Quora Question Pairs基准测试中优于参数匹配的经典基线模型，并在MRPC数据集上以极少的参数接近了BERT-base的准确率。分析表明，多量子比特纠缠是性能的关键驱动因素，并且该电路在PAWS数据集上，无需专门的对抗性训练，就表现出了对对抗性样本的涌现鲁棒性。