★ 2
论文提出 MLEGT 多级编码器模型用于任务型对话摘要
研究提出带全局主题的多级编码器模型 MLEGT，用于任务型对话摘要，通过多级编码器捕捉时空依赖并在图构建中获取全局主题。模型引入全局主题引导的指针机制，以捕获被忽略但重要的信息。在中文警务审讯与医疗报告两个数据集上优于多个强基线。
arXiv NLP11 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究提出带全局主题的多级编码器模型 MLEGT，用于任务型对话摘要，通过多级编码器捕捉时空依赖并在图构建中获取全局主题。模型引入全局主题引导的指针机制，以捕获被忽略但重要的信息。在中文警务审讯与医疗报告两个数据集上优于多个强基线。
论文提出因果编辑序列化（CES）框架，用特殊指针词元配合预测的源地址，在同一因果词元流中表达插入、删除、替换、复制与移动等修订操作。CES 模型可完整执行编辑，干净文本 bits per byte 仅略高，并在语法纠错任务上验证了监督与强化学习后训练的有效性。