这两个问题都很棘手，显然，为期一天的研讨会肯定讨论不出什么结果。但是在会议现场，一些有远见卓识的NLP研究人员还是探讨了不少方法和想法，其中有一些尤其值得关注。在下文中，我们会介绍它们中的三个主题：巧妙地使用更多归纳偏置；努力构建有“常识”的NLP
2018-08-27 09:47
谷歌推出BERT模型被认为是NLP新时代的开始，NLP终于找到了一种方法，可以像计算机视觉那样进行迁移学习。本文用图解的方式，生动易懂地讲解了BERT和ELMo等模型。
2019-01-03 10:21
在自然语言处理（NLP）领域，循环神经网络（RNN）与卷积神经网络（CNN）是两种极为重要且广泛应用的网络结构。它们各自具有独特的优势，适用于处理不同类型的NLP任务。本文旨在深入探讨RNN与CNN
2024-07-03 15:59
NLP中，预训练大模型Finetune是一种非常常见的解决问题的范式。利用在海量文本上预训练得到的Bert、GPT等模型，在下游不同任务上分别进行finetune，得到下游任务的
2022-03-21 15:33
`和 `memmove`的区别是什么呢？这里，在 Linux 里通过 `man`命令查看两个函数的区别，查询的结果如下所示，首先是 `memcpy`函数的阐述。
2023-01-20 16:55
本文用简洁易懂的语言，讲述了自然语言处理（NLP）的前世今生。从什么是NLP到为什么要学习NLP，再到如何利用机器学习进行NLP，值得一读。这是该系列的第一部分，介绍了
2018-06-10 10:26
面我们介绍了 Word Embedding，怎么把一个词表示成一个稠密的向量。Embedding几乎是在 NLP 任务使用深度学习的标准步骤。我们可以通过 Word2Vec、GloVe 等从未标注数据无监督的学习到词的 Embedding，然后把它用到不同的特定任务中。
2019-01-20 09:24
LLM（Large Language Model）是指大型语言模型，它们是一类使用深度学习技术构建的自然语言处理（NLP）模型。LLM模型可以处理各种语言任务，如文本生
2024-07-09 09:55
该项目是对基于深度学习的自然语言处理（NLP）的概述，包括用来解决不同 NLP 任务和应用的深度学习模型（如循环神经网络、卷积神经网络和强化学习）的理论介绍和实现细节，以及对
2019-03-01 09:13
方向是自然语言处理的同学们有福啦，为了跟踪自然语言处理(NLP)的进展，有大量仁人志士在 Github 上维护了一个名为 NLP-Progress 的库。它记录了几乎所有NLP任务的 baseline 和 标准数据集
2018-11-17 09:21
