实体
Text Encoders
Text Encoders
PulseAugur coverage of Text Encoders — every cluster mentioning Text Encoders across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
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
-
大语言模型在地理检索任务中难以实现细粒度的空间准确性
一篇新的研究论文探讨了大型语言模型（LLMs）在地理信息检索（GeoIR）任务中的有效性，特别是关注地名解析。该研究评估了当LLMs能够推断上下文时，传统的地名录是否仍然必要。研究人员发现，虽然LLMs可以捕捉上下文，但无约束的密集检索常常会导致显著的空间错误。然而，应用分层约束可以改善粗略的地理定位，但细粒度的本地化仍然是一个挑战，这表明当前的文本编码器在空间保真度方面难以匹敌地名录。
-
新研究探测文本编码器中的心理学情绪线索
一项新研究调查了十二种近期文本编码器的情感能力，评估了它们生成的嵌入如何捕捉心理学情绪理论。研究人员使用了三种情绪框架下的词级和句子级数据的回归和分类任务。研究结果表明，最新的指令感知型开放权重编码器在词级上包含的情感信息与专有模型相当甚至更多。然而，在句子级情感分类方面，经过任务微调和专有编码器取得了更高的分数。
-
开源i1模型达到顶尖文生图性能
研究人员开发了“i1”，一个拥有30亿参数的文生图扩散模型，其性能可与领先模型相媲美，并且完全开源。通过广泛的实验，研究团队确定了关键的设计选择和训练见解，例如数据集混合的均等权重以及更大的文本编码器适配器的优势。i1模型在公开可用的数据集上进行训练，其性能显著优于现有的开源模型，并提供了检查点、代码和数据处理流程，以促进未来的开放研究。