transformer-based model
PulseAugur coverage of transformer-based model — every cluster mentioning transformer-based model across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新方法允许AI文本揭示内部计算状态
研究人员开发了一种名为计算溯源的方法，该方法允许生成的文本携带可验证的证据，证明其内部计算过程。在对前馈和基于Transformer的模型进行的对照实验中，他们证明了文本中微妙的统计模式可以揭示使用了哪个特定的内部状态，即使最终答案保持不变。这个概念验证表明，关于已验证的、因果相关的内部状态的信息可以保存在生成的文本中，为提高AI输出的透明度提供了一条潜在途径。
-
AI模型预测青少年社交媒体帖子中的自杀意念
研究人员开发了一种名为Early-SIB的新型Transformer模型，通过分析青少年社交媒体帖子来预测未来的自杀意念和行为（SIB）。该模型在荷兰青年论坛上预测SIB的平衡准确率达到了0.73，展示了其补充传统风险评估方法的潜力。使用Shapley Additive Explanations增强了模型预测的可解释性。
-
欧洲乳腺癌MRI数据集发布，用于AI研究
研究人员发布了一个新的、公开可用的欧洲乳腺癌MRI扫描数据集，以推动医学影像AI的发展。该数据集包含来自五个国家六个机构的741次检查，涵盖了多种病灶类型，并反映了实际采集方案和扫描仪硬件的差异。还提供了使用基于Transformer的模型进行的基线实验，为未来研究建立性能基准。
-
Transformer模型预测德国政治文本的意识形态
研究人员开发了一种基于Transformer的模型，用于在连续的左右光谱上预测德国文本的政治意识形态。该研究使用四种不同的语料库（包括议会笔记、政治决策工具、报纸文章以及德国联邦议会议员的推文）评估了13种Transformer模型。DeBERTa-large在领域内表现中取得了最高的F1分数，而Gemma2-2B在报纸的领域外测试中表现出色，表明Transformer模型能够以与民意调查相当的准确性识别政治立场。