论文解读系列笔记

文章列表

XLNet简读

ChatGPT是怎么炼成的&带来的一些启示

Controlable Text Generation Survey

LAMBADA——用GPT-2来做文本数据增强

LIME：我可以解释任何一个分类模型的预测结果

文本检索、开放域问答与Dense Passage Retrieval (EMNLP-20)

GraphSAGE：我寻思GCN也没我牛逼（NIPS-2017）

MoE (Mixture-of-Experts) 经典文章简读

「课代表来了」跟李沐读论文之——BERT

条件语言模型中的OOD检测与选择性生成

不同损失函数的噪音免疫力（AAAI-2017）

何时能懂你的心——图卷积神经网络GCN（ICLR-2017）

「课代表来了」跟李沐读论文之Transformer

使用Dropout解决推荐系统冷启动问题(NIPS-17)

Google的 Pathways（理想）与 PaLM（现实）

使用贝叶斯优化来自动选择合适的数据增强策略

图嵌入之node2vec（KDD-2016）

使用辅助任务来提升情感分类领域适应（EMNLP-2016）

小样本学习与Triplet Loss，数据增强和课程学习 (NAACL-21)

使用V-Usable Information来理解数据集难度

又一些有趣的特征空间增强方法——Delta和GE3

特征空间增强|劫富济贫：对长尾数据进行特征空间增强（ECCV20）

数据地图---使用Training Dynamics来映射和诊断数据集

标签增强技术（Label Enhancement）（IJCAI-2018）

样本混进了噪声怎么办？通过Loss分布把它们揪出来！(ICML-19)

深度学习中的样本遗忘问题 (ICLR-2019)

数据增强 paper list

深度学习进行领域适应的开山之作（ICML-2011）

特征空间增强paper list

用“模型想象出来的target”来训练可以提高分类的效果（AAAI-2021）

在特征空间增强数据集（ICLR workshop 2017）

利用标签与样本之间的统计信息改善文本分类中的embedding表示(CIKM2020)

用能力感知神经网络提高人岗匹配效果(SIGIR-2018)