← EMNLP 各届
EMNLP 2023· Empirical Methods in Natural Language Processing
EMNLP 2023
亮点精读
8 篇 · 获奖 / oral / 高引📈 2.5k 引用
G-Eval: NLG Evaluation using GPT-4 with Better Human Alignment
提出G-Eval，使用GPT-4评估自然语言生成质量，通过链式思维和格式约束提高与人类判断的一致性。
💡 显著提升自动评估与人类判断的相关性，降低评估成本。
arXiv
📈 1.8k 引用
Video-LLaMA: An Instruction-tuned Audio-Visual Language Model for Video Understanding
提出Video-LLaMA，通过指令微调融合视频和音频信号，实现视频理解。
💡 首个统一处理视频与音频的指令微调模型。
arXiv
📈 1.7k 引用
Evaluating Object Hallucination in Large Vision-Language Models
提出评估大型视觉语言模型中对象幻觉的方法和基准。
💡 首次系统量化多模态模型中的幻觉问题。
arXiv
📈 1.6k 引用
Video-LLaVA: Learning United Visual Representation by Alignment Before Projection
提出Video-LLaVA，通过投影前对齐统一图像和视频表示，实现多模态理解。
💡 首次统一图像与视频表示，简化多模态模型设计。
arXiv
📈 1.5k 引用
GQA: Training Generalized Multi-Query Transformer Models from Multi-Head Checkpoints
提出GQA方法，从多头注意力检查点高效训练多查询Transformer模型，提升推理速度并保持质量。
💡 平衡推理效率与模型质量，实用性强。
arXiv
📈 1.4k 引用
FActScore: Fine-grained Atomic Evaluation of Factual Precision in Long Form Text Generation
提出FActScore，通过将长文本分解为原子事实并逐点验证，实现细粒度事实精确度评估。
💡 首次实现长文本生成中细粒度、可解释的事实准确性评估。
arXiv
📈 1.2k 引用
Encouraging Divergent Thinking in Large Language Models through Multi-Agent Debate
提出多智能体辩论框架，让LLM通过辩论生成多样化观点，提升发散思维能力。
💡 首次将辩论机制用于激发LLM创造力，突破单一模型思维局限。
arXiv
📈 1.1k 引用
RWKV: Reinventing RNNs for the Transformer Era
提出RWKV模型，结合RNN高效推理与Transformer并行训练优势。
💡 打破Transformer垄断，为高效序列建模提供新范式。
arXiv
全部论文
加载中…正在从 DBLP 加载全量论文…
全量索引来自 DBLP · 完整 proceedings 见 官方站点