实体
transformer encoders
transformer encoders
PulseAugur coverage of transformer encoders — every cluster mentioning transformer encoders across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
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
-
新系统融合LLM和金融数据以对美联储政策立场进行分类
研究人员开发了一个名为LabelFusion-TS的新系统，该系统集成了大型语言模型（LLMs）、Transformer编码器和金融时间序列数据，以对美联储沟通中的货币政策立场进行分类。该方法旨在通过纳入文本以外的市场背景来提高分类准确性。该系统表现出卓越的性能，达到了70.2%的加权F1分数，在标记数据有限的情况下，显著优于零样本LLM。
-
大型语言模型在自动化作文评分方面表现不一
两篇新研究论文探讨了大型语言模型（LLMs）在自动化作文评分（AES）方面的有效性。第一篇论文综合了 65 项研究，发现 LLM 与人类在作文评分上的一致性高度依赖于上下文，并且差异显著。第二篇论文研究了在学习者语料库上进行领域自适应预训练（DAPT）以用于 AES，表明虽然有针对性的 DAPT 可以提高领域内评分，但并不能持续增强跨数据集的可迁移性。
-
CLaC系统使用LLM和编码器进行政治言论清晰度检测
研究人员提出了一个用于SemEval-2026任务6的系统，专注于检测政治言论中的清晰度和规避性。他们的方法包括比较微调的编码器和基于提示的大型语言模型（LLM）。LLM集成取得了优异的成绩，在少数类上尤其优于微调编码器，并且他们的代码和配置是公开可用的。