BERT注意力拓扑表示未显预测优势
热点事件持续更新
BERT注意力拓扑表示未显预测优势
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Saeed AlMarri 提交论文,评估将 144 个对称化 BERT 注意力图的最小生成树合并值汇总为 1440 维零维持续同调(H0)表示、用于语言可接受性分类的效果。在 CoLA 验证集上,该拓扑表示的域外 Matthews 相关系数为 0.438,低于注意力统计量的 0.508 和 BERT 的 0.545。 分析称,该表示保留 token 数量信息,并丢弃一类方向性注意力差异,未证明其相对更简单的注意力摘要具有预测优势。
AI 根据报道生成 · 6 分钟前更新
最新进展11月18日 13:00
零维注意力拓扑用于语言可接受性分类:BERT 注意力图 H0 表示未显优势报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.CL零维注意力拓扑用于语言可接受性分类:BERT 注意力图 H0 表示未显优势
一项研究将 144 个对称化 BERT 注意力图的最小生成树合并值汇总为 1440 维零维持续同调(H0)表示,用于语言可接受性分类。在 CoLA 验证集上,该拓扑表示的域外 Matthews 相关系数为 0.438,注意力统计量为 0.508,BERT 为 0.545。分析显示该表示保留 token 数量信息并丢弃一类方向性注意力差异,未证明其相对更简单的注意力摘要具有预测优势。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。