BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

University of Ottawa's Transformer-Based Classification Experiments at LegalLens-2024

💡 原文英文，约100词，阅读约需1分钟。
📝

内容提要

本研究探讨了如何在非结构化文本中检测法律违规及其对个体的影响。结合RoBERTa和CNN模型，法律命名实体识别和自然语言推理的准确率分别达86.3%和88.25%。

🏷️

标签

CNN RoBERTa transformer 命名实体识别 法律违规 非结构化文本
➡️

继续阅读

  1. CD sales are booming as physical media continues its resurgence
    According to the Recording Industry Association of America (RIAA), CD sales e...
  2. Kimi K3 模型结构（7）：结构决定系统
    本文总结Kimi K3模型结构对训练与推理系统的影响。KDA采用三种执行形态（FlashKDA、设备内上下文并行、状态回滚）处理固定大小状态；上下文并行通...
  3. Kimi K3 模型结构（6）：输入端与零件，MoonViT-V2、MTP、Per-Head Muon
    Kimi K3模型采用从零训练的MoonViT-V2视觉编码器，27层、patch14结构，支持高分辨率图像token化；MTP层预训练后微调为EAGLE...
  4. EP224：MCP与RAG及AI代理的对比
    本文介绍MCP、RAG与AI Agent的区别：MCP是连接AI与外部工具的标准协议；RAG通过检索外部数据提供最新答案；AI Agent能自主决策执行任...
  5. Kimi K3 模型结构（5）：宽度维度，Stable LatentMoE
    Kimi K3模型采用Stable LatentMoE作为FFN，基于NVIDIA LatentMoE改进，将输入压缩至半宽latent空间，增加RMSN...
  6. GPT-6带火循环Transformer，阿里早已布局
    阿里团队针对循环Transformer的计算冗余问题，提出两篇论文：MeSH通过动态记忆缓冲和路由器解决循环空转，提升零样本准确率；SpiralForme...
👤 个人中心
在公众号发送验证码完成验证