← NAACL 各届
NAACL 2022· North American Chapter of the ACL
NAACL 2022
亮点精读
8 篇 · 获奖 / oral / 高引📈 363 引用
TRUE: Re-evaluating Factual Consistency Evaluation
提出TRUE基准，统一评估自然语言生成的事实一致性。
💡 统一评估标准，推动事实一致性研究。
📈 279 引用
DiffCSE: Difference-based Contrastive Learning for Sentence Embeddings
提出基于差异的对比学习，通过预测句子间编辑距离学习句子嵌入。
💡 无需标注数据，提升句子嵌入质量。
arXiv
📈 233 引用
On the Origin of Hallucinations in Conversational Models: Is it the Datasets or the Models?
通过实验分析，发现对话模型幻觉主要源于数据集中的错误，而非模型本身。
💡 揭示数据集质量对模型可靠性的关键影响。
arXiv
📈 178 引用
Lifting the Curse of Multilinguality by Pre-training Modular Transformers
提出模块化Transformer，通过分模块预训练缓解多语言模型中的语言干扰问题。
💡 打破多语言模型性能瓶颈，提升各语言表现。
arXiv
📈 156 引用
Re2G: Retrieve, Rerank, Generate
提出Re2G框架，通过检索、重排序和生成实现零样本知识密集型任务。
💡 首次统一检索与生成，无需任务特定训练。
arXiv
📈 149 引用
SSEGCN: Syntactic and Semantic Enhanced Graph Convolutional Network for Aspect-based Sentiment Analysis
提出SSEGCN模型，融合句法和语义增强的图卷积网络进行方面级情感分析。
💡 有效整合句法和语义信息，提升方面级情感分析性能。
📈 149 引用
A Few Thousand Translations Go a Long Way! Leveraging Pre-trained Models for African News Translation
利用预训练模型，用少量翻译数据大幅提升非洲新闻翻译质量。
💡 解决低资源语言翻译难题，推动非洲语言数字化。
arXiv
📈 144 引用
On the Use of Bert for Automated Essay Scoring: Joint Learning of Multi-Scale Essay Representation
提出联合学习多尺度作文表示的BERT方法，提升自动评分性能。
💡 多尺度表示更全面，显著提高评分准确性。
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