WordNet
PulseAugur coverage of WordNet — every cluster mentioning WordNet across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新的VICIS任务凸显了VLM在视觉概念推断方面的挣扎
研究人员引入了VICIS，一项旨在评估视觉语言模型（VLM）从示例图像集中推断和应用视觉概念能力的新任务。当前最先进的VLM在此任务上的表现不佳，常常未能有效利用视觉上下文或产生有偏见的输出。为解决此问题，研究者提出了一种新颖的训练框架和架构，该框架和架构能够学习从图像集和查询中提取概念特定的嵌入，在生成输出的准确性和多样性方面表现出改进，并能泛化到未见过的概念和素描等模态。
-
GeoISF 管道提高了 LiDAR 到卫星地理定位的准确性
研究人员开发了 GeoISF，一种使用地面 LiDAR 点云和卫星图像进行大规模跨视图地理定位的新型管道。该方法通过构建实例语义森林来解决语义对齐和模态差距相关的挑战，该森林整合了来自多个帧的语义树，以增强时间表示和判别能力。GeoISF 通过使用环境语义作为共享媒介，有效地弥合了模态差距，从而提高了匹配精度，并在 KITTI 等数据集上显著优于现有方法。
-
新的 AI 架构 Synapedia 使用事件定义概念
一种名为 Synapedia 的新 AI 架构提出，不仅根据概念的属性来定义它们，还要根据它们关联的事件来定义。这一方法在研究论文中有所详述，认为现有的 AI 知识系统（如 WordNet 和 Wikidata）存在根本性缺陷，因为它们没有将事件视为一等定义公民。通过纳入诸如马车的“运输”或银行的“存款”等事件，Synapedia 旨在创建一个更完整、更无歧义的词汇表。该论文还包含一个使用维基百科和 LLM 来引导构建这种新字典的 P…
-
新算法可自动标注阿拉伯语-英语词典词义的词性
研究人员开发了一种算法，可以自动为双语词典中的词义分配词性标签，特别是Al-Mawrid阿拉伯语-英语词典。该过程涉及在消歧后，将词性标签从Princeton WordNet中的英语翻译对等词转移到阿拉伯语词典词义。此方法对于将双语词典与WordNet集成或将其转换为WordNet-LMF格式至关重要，为资源较少的语言的自然语言处理工具提供了一种资源消耗少的方法。
-
新算法使用 WordNet 标注阿拉伯语-英语词典词义
研究人员开发了一种新颖的算法，用于自动为阿拉伯语-英语双语词典中的词义分配词性（POS）标签。该方法利用 Princeton WordNet，在消歧过程后，将词性标签从英语翻译对等词转移到其阿拉伯语对应词。该方法旨在促进双语词典与 WordNet 的链接，并将其标准化为 WordNet-LMF 格式，为 NLP 资源有限的语言提供一种资源消耗少（resource-light）的解决方案。
-
新方法分析人类和人工智能语言中的语义时间尺度
研究人员开发了一种新方法来分析人类和人工智能生成语言中语义内容的 temporal dynamics。该 pipeline 使用 WordNet 深度和 SBERT 嵌入来创建语义时间序列，然后使用自相关窗口度量进行分析。研究发现，语义时间序列中较长的自相关窗口与更通用的词汇相关，而较短的窗口与特定单词相关，这表明语言中存在非平凡的 temporal organization。
-
新方法将词汇资源扩展到新语言
研究人员开发了一种新颖的方法，用于将WordNet等词汇资源扩展到新语言。该方法将英语语料库中的语义词义投影到目标语言中对齐的词元上，并使用双语词典来优化过程和过滤错误的投影。该方法在多种语言上进行了评估，与现有技术和大型语言模型相比，在准确性和效率方面均有所提高。
-
新论文概述了句子编码器中概念表示的原理
研究人员发表了一篇论文，详细介绍了句子编码器表示概念的四项原则。该研究对编码器进行了数百万个词对的训练，发现微调主要重新校准现有的潜在几何结构，而不是扩展它。语义信息集中在最后的 Transformer 层，因此无需跨层池化。该研究还引入了两个新的评估数据集，用于评估语义差距和释义。
-
研究人员提出用于语言模型的语义分词方法
一位研究人员提出了一种新颖的语言模型分词方案，其中词元几何本身反映语义关系，超越了当前主要捕捉统计结构的方法。该方法会将概念映射到代码，使得语义相似的概念获得相似的代码，从而可能提高样本效率、训练速度和可解释性。该想法包括构建语义图、学习紧凑的符号编码，并对其进行优化，使代码距离与语义距离相关联，目标是直接将语义结构嵌入表示中。
-
新方法在冻结语言模型中诱导感官表征
研究人员开发了ACROS，一种无需重新训练即可将显式感官表征集成到现有冻结语言模型中的新方法。该方法支持零样本词义消歧、低KL散度词汇引导和跨语言适应。ACROS在消歧任务上表现出竞争力，在跨语言适应方面准确率很高，使得感官表征成为预训练语言模型的可访问接口。
-
语言模型中的概念几何源于词语共现
一篇新的研究论文提出了一个分布理论，解释了像“is-a”关系这样的分层概念如何在语言模型中以几何方式表示。研究表明，词语共现统计数据的谱组织自然地导致了嵌入中的分层分裂几何。这种现象在word2vec嵌入中被观察到，并且也扩展到了Gemma 2B的解嵌入，这表明复杂的概念层次结构可以从基本的统计模式中涌现，而无需专门的机制。
-
新框架使用谱热扩散实现连续知识图谱抽象级别
研究人员引入了一个名为语义细节级别（SLoD）的新框架，以解决图结构知识系统中缺乏连续分辨率控制的问题。SLoD 利用源自庞加莱球嵌入的图拉普拉斯算子上的热核扩散，创建了一个连续缩放算子。这种方法可以发现知识图谱中涌现的尺度边界，表明在没有手动参数调整的情况下表示的定性转变。该框架已在合成层级和真实世界的 WordNet 名词层级上证明了其有效性。