实体
UCL self-paced reading
UCL self-paced reading
PulseAugur coverage of UCL self-paced reading — every cluster mentioning UCL self-paced reading across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
能量基Transformer在预测阅读难度方面显示出潜力
研究人员探索了能量基Transformer作为预测阅读难度的一种新颖方法，将其与联想记忆模型和Hopfield网络进行类比。这种方法在最近的一篇arXiv论文中有所阐述，引入了一种“能量”度量，该度量在多个语料库中显示出对阅读时间的稳健预测。研究表明，这种能量度量可能提供一个统一的预测器，潜在地涵盖了先前由意外度（surprisal）和注意力熵（attention entropy）所捕捉的方面。
-
基于能量的Transformer在预测阅读难度方面显示出潜力
研究人员引入了一类新的Transformer模型，称为基于能量的Transformer，它们与联想记忆模型建立了正式联系。在计算心理语言学中，这种能量度量已被证明是跨多个语料库的阅读难度的有力预测因子。该研究表明，这一单一能量度量可能统一先前依赖于惊奇度（surprisal）和注意力熵（attention entropy）等多个互补预测因子的方法。