★ 2
用神经时序点过程建模语言信息事件到达时间
研究提出用神经时序点过程（TPP）建模文本序列中关键信息承载事件的到达时间，输入事件间隔历史与 LLM 上下文语义表示，预测新词与高惊异度 token 两类事件的未来到达时间。结果显示 LLM 产生新词的速率显著高于人类，而高惊异度 token 无此差异。
arXiv NLP19 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究提出用神经时序点过程（TPP）建模文本序列中关键信息承载事件的到达时间，输入事件间隔历史与 LLM 上下文语义表示，预测新词与高惊异度 token 两类事件的未来到达时间。结果显示 LLM 产生新词的速率显著高于人类，而高惊异度 token 无此差异。