Adapting Feature Attenuation to NLP
适应特征衰减到NLP
机构 * University of Michigan（密歇根大学） ； University of Colorado Colorado Springs（科罗拉多州立大学）
AI总结 本文将特征衰减假设从计算机视觉移植到NLP，评估了COSTARR等方法在文本开放集识别中的表现，发现其在不重新训练的情况下效果有限，但指出了需要更大模型和定制策略的改进方向。
高校专区
University of Michigan（密歇根大学安娜堡分校）
Dynamic Graph Neural Networks for Physiological Based Pharmacokinetic Modeling: A Novel Data Driven Approach to Drug Concentration Prediction
动态图神经网络用于基于生理的药代动力学建模：一种新颖的数据驱动方法用于药物浓度预测
机构 * Independent Researcher（独立研究者） ； University of Michigan -- Ann Arbor（密歇根大学安娜堡分校） ； Texas A\&M University（德克萨斯农工大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of California -- Irvine（加州大学伊尔弗分校）
AI总结 本文提出动态图神经网络用于基于生理的药代动力学建模，通过数据驱动方法提升药物浓度预测的准确性与稳定性。
GRACE: Discriminator-Guided Chain-of-Thought Reasoning
GRACE: 基于判别器的链式推理
机构 * University of Michigan（密歇根大学） ； LG AI Research（LG人工智能研究） ； University of Illinois at Chicago（伊利诺伊大学香槟分校）
AI总结 GRACE通过引入判别器引导链式推理，有效提升多步推理任务中答案的准确性和中间推理的正确性。
Comments Fixed typos
