实体
semantic role labeling
semantic role labeling
PulseAugur coverage of semantic role labeling — every cluster mentioning semantic role labeling across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新调查详细介绍了大型语言模型时代下的语义角色标注
一篇新调查论文全面概述了在现代预训练语言模型背景下的语义角色标注（SRL）。该论文提出了一个四维分类法来对SRL研究进行分类，重点关注模型架构、句法特征建模、应用场景和多模态扩展。它批判性地分析了句法特征的效用，并探讨了大型语言模型与专业SRL系统之间的协同关系，提出了混合方法的方向。该调查还将范围扩展到多模态SRL，包括视觉、视频和语音数据，并讨论了评估指标和未来的研究轨迹。
-
新的ThreatCore基准凸显AI在隐式威胁检测方面的挣扎
研究人员推出了ThreatCore，这是一个用于自然语言处理中细粒度威胁检测的新基准数据集。该数据集旨在为识别显式威胁、隐式威胁和非威胁提供更一致和标准化的方法，以解决现有标签中的不一致之处。在ThreatCore上的评估表明，当前的语言模型在检测隐式威胁方面仍然存在困难，而引入语义角色标注（Semantic Role Labeling）可能通过阐明有害意图结构来提高性能。
-
新的SRL框架通过显式结构提供10倍更快的推理速度
研究人员开发了一个新的语义角色标注（SRL）框架，提高了效率并保留了显式的谓词-论元结构。这种现代化的方法利用BERT-base、RoBERTa和DeBERTa等模型，实现了比传统方法快十倍的推理速度，同时保持了相当或更优的性能。该框架的依赖分析还表明，结构线索能显著提高稳定性，并可应用于多语言SRL投影等下游任务。