This paper demonstrates a task to finetune a BART model so it can construct a sentence from an arbitrary set of words, which used to be a difficult NLP task. The training task is making sentences with four words, but the trained model can generate sentences when fewer or more words are provided. The output sentences have high quality in general. The model can have some real-world applications, and this task can be used as an evaluation mechanism for any language model as well.
翻译：本文展示了对BART模型进行微调的任务,这样它就可以从一套武断的词组中构建一个句子,这曾经是一个困难的NLP任务。 培训任务是用四个字来做判决, 但是当提供较少或更多的字组时, 受过训练的模型可以产生句子。 输出句子总的来说质量很高。 该模型可以有一些真实的应用, 这项任务也可以用作任何语言模型的评估机制 。
相关内容
ACM/IEEE第23届模型驱动工程语言和系统国际会议，是模型驱动软件和系统工程的首要会议系列，由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来，模型涵盖了建模的各个方面，从语言和方法到工具和应用程序。模特的参加者来自不同的背景，包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛，参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会，并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。
官网链接：http://www.modelsconference.org/
Arxiv
0+阅读 · 2022年8月12日
Arxiv
11+阅读 · 2020年10月20日
Arxiv
21+阅读 · 2018年12月25日
Arxiv
11+阅读 · 2018年2月16日
Arxiv
10+阅读 · 2018年1月29日
相关VIP内容
相关资讯
微信扫码咨询专知VIP会员