丹琦女神的对比学习新SOTA,在中文表现如何?我们补充实验后,惊了!
相关推荐
-
BERT-flow|CMUx字节推出简单易用的文本表示新SOTA!
2015年到18年间有很多优秀的文本表示模型,祭出宝图: 但基于交互的匹配模型明显优于单纯的表示,再加上BERT出来,就很少有人再去研究了,2019年只有一个Sentence-BERT,其实也只是把经 ...
-
当BERT遇上搜索引擎
前两天刷到一篇有意思的paper,文中将信息检索工具Anserini和BERT结合,实现了一个开放域的问答系统. 如图所示,论文的主要创新点是将BERT和Anserini整合,利用外部知识库(维基百科 ...
-
bert之我见-attention篇
[NLP.TM] 我想现在NLP领域中,不知道bert的已经少之又少了,而bert的讲解文章也已经有了很多,这里我谈一下我最近学习得到的理解.事先说明,对bert和transformer完全不懂的人看 ...
-
神经网络的准确率和鲁棒性不能兼得?不,让我们来仔细看看
作者丨东瓠 编辑丨极市平台 极市导读 针对目前对抗攻击领域存在的一个痛点问题:神经网络鲁棒性的提升会伴随着准确率的下降,本文提出了一个新的研究视角.从数据集的内在属性出发,发现神经网络在一定条件下可以 ...
-
谷歌大脑提出DropBlock卷积正则化方法,显著改进CNN精度
昨天arXiv新上一篇被NIPS2018会议接收的论文<DropBlock: A regularization method for convolutional networks>,作者为 ...
-
【模型压缩系列】一:模型替换
bert问世以来,相关研究和改进如雨后春笋般涌现,预训练模型得到了飞速的发展,并在NLP很多任务中取得了统治地位.工业界也对此产生了浓厚的兴趣,各大公司纷纷试图在搜索.推荐.分类等领域中引入bert. ...
-
NLP与对比学习的巧妙融合,简单暴力效果显著!
NewBeeNLP公众号原创出品 公众号专栏作者 @Maple小七 北京邮电大学·模式识别与智能系统 今天和大家来看看最近讨论度非常高的SimCSE,据说简单暴力还效果显著! 论文:SimCSE: S ...
-
陈丹琦新作:关系抽取新SOTA,用pipeline方式挫败joint模型
本文转载自:机器之心 | 编辑:魔王.小舟 端到端关系抽取涉及两个子任务:命名实体识别和关系抽取.近期研究多采用 joint 方式建模两个子任务,而陈丹琦等人新研究提出一种简单高效的 pipel ...
-
丹琦女神新作:对比学习,简单到只需要Dropout两下
小伙伴们表示,插入替换的数据增强方式已经Out了,SimCSE才是现在的靓仔. snowfloating说:看完Danqi Chen组里的SimCSE,再看这篇感觉就没什么惊喜了. 苏神: 直接用dr ...
-
ICCV2021 比MoCo更通用的对比学习范式,中科大&MSRA提出对比学习新方法MaskCo
详细信息如下: 论文链接:https://arxiv.org/abs/2108.07954 项目链接:未开源 导言: 自监督视觉表示学习方法依赖于实例识别(instance discrimi ...
-
ESimCSE:无监督语义新SOTA,引入动量对比学习扩展负样本,效果远超SimCSE
本文看完,相信你会掌握这个无监督语义新SOTA模型ESimCSE. 从论文标题中可以看出,应该是对4月份丹琦女神发表的新作SimCSE的增强版(Enhance),并且也用到了对比学习来构建正负样本,那 ...
-
陈丹琦团队最新论文:受 GPT-3 启发,用小样本学习给语言模型做微调,性能最高提升30%
2020年,GPT-3可谓火出了圈. 不仅讲故事的本职工作做得风生水起,还跨界玩起了网页设计.运维.下象棋-- 不过,尽管表现惊艳,GPT-3背后到底是实实在在的1750亿参数,想要在实际应用场景中落 ...
-
普林斯顿陈丹琦团队最新论文:受GPT-3启发,用小样本学习给语言模型做微调,性能最高提升30% | ...
IDC发布2021年中国人工智能市场10大预测 近日,国际数据公司(IDC)发布了<IDCFutureScape:全球人工智能(AI)市场2021预测--中国启示>报告.在报告中,IDC全 ...
-
DeepMind强化学习新研究:更快的知识学习,更强的环境适应
DeepMind官方博客在一篇文章"Fast reinforcement learning through the composition of behaviours"中,针对强化 ...
-
对比学习有多火?文本聚类都被刷爆了…
大家好,我是小花. 对比学习的大火
-
学习新知识的3个必经阶段
每天,我们都在不断的接受新的信息,而这些信息,慢慢的转化为可以随时使用的知识. 在课堂学习更是如此,是学习知识最高效的地方. 那么,新的知识学习是怎么样的进程呢? 01 入门,请接受孩子的笨拙 刚接触 ...