研究分析语言模型surprisal对中文阅读时间的预测力
热点事件持续更新
研究分析语言模型surprisal对中文阅读时间的预测力
1 篇报道1 个报道来源4 小时前更新
先了解这件事
报道摘要
一项研究用 14M-1.4B 的 Chinese-Pythia 模型（30B token 训练）分析 token 级 surprisal 对中文阅读时间的预测力，并提出 SMS 对齐方案以调和眼动语料分词与 LM 子词分词的不一致。
摘自 arXiv cs.AI
最新进展10月7日 12:00
研究：LM surprisal 对中文阅读时间的预测力因语料库而异报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.AI研究：LM surprisal 对中文阅读时间的预测力因语料库而异
一项研究用 14M-1.4B 的 Chinese-Pythia 模型（30B token 训练）分析 token 级 surprisal 对中文阅读时间的预测力，并提出 SMS 对齐方案以调和眼动语料分词与 LM 子词分词的不一致。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。