层次光变换器集成用于多模态轨迹预测
原文中文,约400字,阅读约需1分钟。发表于: 。我们提出了一种名为 HLT-Ens 的新方法,利用一种新的分层损失函数,通过组合的全连接层来捕捉多模态分布,有效地训练 Transformer 架构的集合,在轨迹预测技术上取得了最先进的性能水平,为改进轨迹预测技术提供了有希望的途径。
本研究测试了五种基于Transformer的模型在LLM生成文本检测任务中的性能和泛化能力。结果显示,使用自适应集成算法可以提高准确率,具有有效性和良好的泛化能力。
我们提出了一种名为 HLT-Ens 的新方法,利用一种新的分层损失函数,通过组合的全连接层来捕捉多模态分布,有效地训练 Transformer 架构的集合,在轨迹预测技术上取得了最先进的性能水平,为改进轨迹预测技术提供了有希望的途径。
本研究测试了五种基于Transformer的模型在LLM生成文本检测任务中的性能和泛化能力。结果显示,使用自适应集成算法可以提高准确率,具有有效性和良好的泛化能力。