★ 3
研究者改造语言模型以字节序列直接运行
一项新研究提出对语言模型进行改造，使其能够直接在字节序列上操作，而非依赖传统的分词器。该方法有望提升模型对多语言和罕见字符的处理能力，减少分词带来的信息损失。
Hacker News25 天前
#NLP
共 8 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
arXiv 研究争议政治话语中省略论证检测与标注分歧
论文针对省略前提或结论的「省略论证」（enthymeme）检测，在疫苗与移民议题推文上由五名标注者标注，发现所有微调模型 F1 均停在 0.67 左右。作者提出与标注者投票分布对比的评估指标，并训练直接预测分布的模型，在不损失 F1 前提下更好捕捉分歧。模型倾向依赖显式论证结构，对隐含链接的论证与…
arXiv NLP10 天前
★ 2
arXiv 论文用 KAN 非线性分解压缩词嵌入层
针对低秩分解压缩嵌入层时线性瓶颈限制表达能力的问题，论文借鉴 Kolmogorov Arnold Networks 范式，在压缩嵌入层中引入可学习非线性投影。作者将压缩层集成进 Skip-gram，在词类比与语义相似度基准上与低秩基线对比，并提出从预训练嵌入初始化的策略。结果显示非线性投影可缓解线…
arXiv NLP11 天前
★ 2
研究：情绪标签跨数据集等价性存在显著差异
论文检验 GoEmotions、XED、BRIGHTER 共享的五个情绪标签是否可互换，发现同一批文本上不同恐惧分类器的判定比例相差悬殊（71% 对 8%）。跨语料迁移导致模型损失 55% 的原生区分能力，且不同训练资源会让「哪批推文更惊讶」得出相反结论。
arXiv NLP21 天前
★ 2
BanglaRhet 基准：孟加拉语政治演讲修辞检测
论文发布 BanglaRhet，一个含 30289 段孟加拉语政治演讲的人工标注语料，用于修辞手法与说服技巧检测。评测 BanglaBERT、SahajBERT、XLM-RoBERTa 等模型，BanglaBERT 表现最佳，修辞检测 macro-F1 65.40%，说服检测 66.46%，显著优…
arXiv NLP25 天前
★ 2
文本分类语言模型：从词袋到 Jev 的演进
一篇技术文章梳理了文本分类方法从传统词袋模型到现代语言模型（Jev）的演进路径。内容属于方法综述与科普，讨论不同范式的取舍与适用场景。
Hacker News34 天前
★ 2
NüshuRescue：用 AI 复兴濒危女书
一篇 COLING 2025 论文提出 NüshuRescue 项目，利用 AI 技术复兴濒危的女书文字。该研究在 Hacker News 热度极低，仅 1 分无评论，属于学术性小众话题。
Hacker News – AI50 天前
★ 2
AI能否通过早期网络欺凌检测支持医疗与心理健康？情感感知AI对主动在线安全的影响
论文提出CareGuard早期预警框架，通过先进NLP技术检测网络欺凌相关内容，以支持医疗驱动的心理健康保护与主动在线安全。该框架整合零样本语义标注与微调Transformer模型（BERT、DistilBERT、RoBERTa），实现敏感欺凌类别的上下文感知分类，并引入情感感知过滤与余弦相似度语…
arXiv cs.AI53 天前