natural language processing
PulseAugur coverage of natural language processing — every cluster mentioning natural language processing across labs, papers, and developer communities, ranked by signal.
- instance of named-entity recognition 90%
- instance of CatalyzeX 70%
- used by Eugene Yan 70%
- used by Word2vec 70%
- used by electronic health records 70%
- used by named-entity recognition 70%
- affiliated with deep learning 70%
- instance of deep learning 70%
- used by optical character recognition 70%
- instance of Gotit.pub 60%
- instance of alphaXiv 60%
- instance of visual perception 60%
25 天有情绪数据
-
Full Fine-tuning Adapts LLMs to Specific Tasks by Adjusting All Weights
Full fine-tuning is a technique used to adapt pre-trained large language models (LLMs) to specific tasks or datasets by adjusting all of the model's weights. This process is crucial for enhancing model performance when …
-
面向企业的NLP：核心能力与工具指南
自然语言处理（NLP）是关键的企业基础设施，可将非结构化文本转化为可操作的数据。全球NLP市场在2024年估值近600亿美元，预计将大幅增长。关键业务应用包括情感分析、命名实体识别、文档摘要和对话式AI，每种应用都解决不同的挑战。情感分析用于衡量情感基调，而命名实体识别则用于识别人物、地点和组织等特定实体，从而为各行业提取结构化数据。
-
AI视频生成器使用NLP从文本创建故事板
AI视频生成工具利用自然语言处理将文本转化为视觉故事板。这些系统将单个场景映射到相应的视觉资产，并自动同步音频时间线。该技术旨在简化从长文档创建视频内容的过程。
-
ELIZA：第一个塑造了人工智能和人机交互的聊天机器人
ELIZA由Joseph Weizenbaum于20世纪60年代中期在MIT创建，是早期模拟罗杰斯式心理治疗师的聊天机器人。尽管其方法简单，仅基于模式匹配，ELIZA却展示了人机交互的潜力，并影响了自然语言处理的发展。该程序模仿对话的能力引发了关于人工智能及其能力的讨论，甚至导致一些用户对其产生情感依恋。
-
土耳其语研究质疑LLM对讽刺的理解能力
大型语言模型（LLM）可能难以理解讽刺，因为它依赖于语境和语言细微差别，这与情感分析等简单任务不同。Acıbadem大学与Dedecta合作的一个项目，通过构建一个土耳其语讽刺探测器来探讨这一挑战。该研究强调了LLM在试图解读讽刺语言时，在语用理解和统计模式匹配之间的区别。
-
新研究论文探讨人工智能对印度文化遗产的影响
一篇新论文探讨了人工智能（AI）与印度次大陆文化遗产保护之间复杂的关系。文章强调了人工智能在包容性和同质化方面的潜力，详细介绍了为该地区开发人工智能基础模型所面临的独特的语言和社会语言学挑战。该研究提出了一个名为“文化感知”（Culture Sensing）的新方向，以创建更公平、更具文化意义的人工智能。
-
俄罗斯将于2026年7月前实施关键人工智能法规
俄罗斯数字发展部将于2026年7月前实施重要的人工智能法规，这将影响人工智能技术的发展和使用。这些变化是建立国家人工智能政策框架更广泛努力的一部分，此前对该国现有的机构和决策过程进行了广泛研究。作者自2025年11月开始关注人工智能，后来专攻自然语言处理和大型语言模型，他分享了对这些不断发展的法规的看法。
-
CLPsych 2026 上使用 NLP 和 LLM 进行社交媒体心理健康分析
psytechlab 的研究人员结合使用了自然语言处理（NLP）技术，包括长短期记忆（LSTM）和基于 BERT 的模型，以及大型语言模型（LLM），来分析社交媒体文本中的心理健康状态。他们的工作在 CLPsych 2026 上发表，重点关注自我状态和福祉分析及摘要。该方法在摘要的一致性和矛盾性方面取得了良好结果，有助于开发改进的心理健康支持系统。
-
新的分词方法提升了NLP的跨语言公平性
研究人员开发了一种名为Parity-Aware Byte-Pair Encoding (BPE) 的新分词算法，以解决自然语言处理中的跨语言公平性问题。传统的BPE方法偏向于主导语言，导致低资源语言的分词更长或效果不佳。新的Parity-aware BPE算法修改了合并步骤，优先压缩压缩效果最差的语言，显著减少了分词不平等。该方法在减少分词不平等方面显示出高达89%的相对改进，对整体压缩率影响很小，且对下游语言模型的性能没有损害。
-
自然语言处理技术应用于生物序列分析的回顾
一篇最新的综述文章探讨了自然语言处理（NLP）技术在分析基因组学、转录组学和蛋白质组学等生物序列数据中的应用。文章详细介绍了从word2vec到先进的transformer和hyena operator模型等各种NLP方法如何应用于DNA、RNA和蛋白质序列分析。文章还讨论了分词策略、模型架构以及在预测蛋白质结构、基因表达和进化关系方面的最新进展。文章强调，将NLP整合到生物信息学中是理解复杂生物过程的一个有前景的方向。
-
新框架评估中世纪拉丁手稿的翻译流程
研究人员开发了一个新框架，用于评估机器翻译流程在历史手稿（特别是中世纪拉丁语）上的有效性。他们的研究发现，专门的OCR模型在降低这一低资源领域的字符错误率方面，显著优于通用视觉语言模型（VLM）。最简单的流程，即由专门的OCR模型直接输入VLM，被证明是最有效的，其表现优于更复杂的多组件系统。这项研究引入了Interpres-Parallel-Corpus（IPC）数据集，并为部署历史文本翻译系统提供了实用指导。
-
新方法论提出结构化方法用于NLP系统开发
一篇新论文概述了一种开发成功的自然语言处理（NLP）系统的方法论，强调了超越单纯算法知识的结构化方法。该论文建议将系统开发生命周期（SDLC）应用于NLP项目，特别是那些涉及从电子病历中提取数据的项目。它重点介绍了多种工具和平台，包括Hugging Face、alphaXiv和DagsHub，这些工具和平台可以帮助开发和引用过程。
-
研究使用NLP分析ADHD和ASD推特用户抑郁症状
一项发表在arXiv上的新研究，探讨了在推特上，有自报ADHD和ASD的个体表达抑郁症状的差异。研究人员使用经过微调的MentalRoBERTa模型进行高级自然语言处理，分析了近800名用户超过120万条推文。虽然该模型在症状分类方面取得了较高的F1分数，但其根据语言区分ADHD和ASD用户的能力却比较一般。研究结果表明，一些语言模式倾向于某种疾病而非另一种，但总体症状共现结构在两组之间基本共享。
-
面向方面级情感分析的新僧伽罗语数据集发布
研究人员推出了 SalAngaBhava，一个专为僧伽罗语（一种主要在斯里兰卡使用的低资源语言）方面级情感分析（ABSA）设计的新数据集。该数据集包含僧伽罗语的产品评论，这些评论已手动标注了特定的方面词及其相应的情感（正面、负面或中性）。SalAngaBhava 的创建旨在解决低资源语言此类资源的稀缺性问题，从而促进僧伽罗语自然语言处理和情感分析的进一步研究和开发。
-
报告发现：到2026年，人工智能将主导60-75%的全球交易
一份报告预测，到2026年，人工智能将占全球交易量的60-75%，其中A股将占该交易量的36.8%。人工智能交易市场的规模估计为278亿美元，复合年增长率为13.6%，量化对冲基金管理的资产（AUM）约为1.5万亿美元。主要发展方向包括用于自主决策的深度强化学习、用于实时财经报告情感套利的大型语言模型+自然语言处理，以及用于因子挖掘的多模态另类数据集成。然而，报告也强调了模型同质化导致的闪崩和失控反馈循环等风险，以及来自美国证券交易委…
-
新论文详解NLP中的Transformer模型入门
本文介绍了Transformer模型，该模型已在自然语言处理领域占据主导地位。文章涵盖了这些模型的基本架构、关键改进和常见应用。作者旨在提供对Transformer及其变体的扎实理解，并强调它们的优缺点。
-
人工智能和自然语言处理提升尼日利亚金融业欺诈检测能力
一项新研究探讨了人工智能（AI）赋能的会计信息系统（AIS）对尼日利亚金融服务业欺诈检测的影响。该研究调查了来自银行、保险和金融科技行业的186名专业人士，发现AI赋能的AIS显著提高了审计和欺诈检测的有效性。此外，研究强调自然语言处理（NLP）通过改善数据解释和分析可解释性，对这种关系起到了积极的调节作用，最终在数字金融环境中加强了欺诈治理和机构信任。
-
新框架旨在构建社会技术AI对齐
提出了一种新框架，用于系统地指定和评估AI行为中的社会技术对齐，填补了当前自然语言处理研究中的空白。这种以人为中心的方法借鉴了社会科学理论来定义行为的可取性并分析现有的对齐实践。研究发现了反复出现的问题，例如未指明的规范概念、目标人群定义不清以及设计选择缺乏理论依据，这表明在社会技术对齐方面需要更概念上精确的方法。
-
新平台整合人工智能面试题
一个名为AI Interview Question的新平台已上线，旨在整合分散的资源，帮助开发者准备人工智能和LLM相关的职位面试。该平台提供跨越多个领域的结构化问题，包括AI工程、提示工程、检索增强生成（RAG）和AI代理。它旨在帮助候选人从理论知识过渡到实际应用，涵盖了超越传统机器学习的现代面试主题。
-
新框架将语言模型视为文化测量的积极参与者
本文提出了一个理解语言模型如何用于测量文化现象的新框架。它认为，测量仪器本身，包括模型、数据和评估方法，都在积极塑造其旨在量化的文化现实。该研究提出了一种将这些界限视为有意识的、合乎道德的以及经验性的承诺的方法，并借鉴了电视和电影对话的案例研究。