PromptKG

Promptkg Familie: Eine Galerie von Forschungsarbeiten, Toolkits und Papierlisten im Zusammenhang mit dem Lern- und KG-bezogenen Forschungsarbeiten.

Verzeichnis	Beschreibung
Forschung	• Eine Sammlung prompt lernbezogener Forschungsmodellimplementierungen
Lambdakg	• Eine Bibliothek für PLM-basierte KG-Einbettungen und Anwendungen
Deltakg	• Eine Bibliothek zur dynamischen Bearbeitung von KG-Einbettungen von PLM-basierten
Tutorial-Notenbücher	• Tutorial -Notizbücher für Anfänger

Inhaltsverzeichnis

• Tutorials
• Umfragen
• Papiere
  • Wissen wie prompt
    • 1. Sprachverständnis
    • 2. Multimodal
    • 3.. Fortgeschrittene Aufgaben
  • Eingabeaufforderung (PLMS) für Wissen
    • 1. Wissensuntersuchung
    • 2. Einbettung für Wissensgrafik
    • 3. Analyse
• Kontaktinformationen

Tutorials

• Null- und wenige Schuss-NLP mit vorbereiteten Sprachmodellen. AACL 2022 Tutorial [PPT]
• Dateneffiziente Wissensgrafikkonstruktion. CCKS2022 Tutorial [PPT]
• Effiziente und Robuts -Wissensgrafikkonstruktion. AACL-IJCNLP-Tutorial [PPT]
• Wissen informiertes schnelles Lernen. MLNLP 2022 Tutorial (Chinesisch) [PPT]

Umfragen

• Delta-Tuning: Eine umfassende Untersuchung von Parameter-effizienten Methoden für vorgebrachte Sprachmodelle (auf ARXIV 2021) [Papier]
• Pre-Train, Eingabeaufforderung und Vorhersage: Eine systematische Übersicht über die Anlaufmethoden in der Verarbeitung natürlicher Sprache (ACM Computing Surveys 2021) [Papier]
• Umstrukturierter Vorverbrauch (auf ARXIV 2022) [Papier]
• Eine Übersicht über wissensintensive NLP mit vorgeborenen Sprachmodellen (zu ARXIV 2022) [Papier]
• Eine Übersicht über kenntnisverstärkte vorgeborene Sprachmodelle (auf ARXIV 2022) [Papier]
• Eine Übersicht über Sprachmodelle als Wissensbasis (auf ARXIV 2022) [Papier]
• Generative Knowledge Graph Construction: Eine Übersicht (EMNLP, 2022) [Papier]
• Argumentation mit Sprachmodell Aufforderung: Eine Umfrage (zu ARXIV 2022) [Papier]
• Argumentation über verschiedene Arten von Wissensgraphen: Statisch, zeitliches und multimodal (auf ARXIV 2022) [Papier]
• Der Lebenszyklus des Wissens in großen Sprachmodellen: Eine Umfrage (zu ARXIV 2022) [Papier]
• Vereinheitliche Großsprachenmodelle und Wissensdiagramme: eine Roadmap (auf ARXIV 2023) [Papier]

Papiere

Wissen wie prompt

Sprachverständnis

• Retrieval-Augmented Generation für wissensintensive NLP-Aufgaben in Neurips 2020. [PDF]
• Realm: Abrufen-Sprachmodell vor dem Training, in ICML 2020. [PDF]
• Vorausgebildete Sprachmodelle besser wenige Schusslernende in ACL 2022 machen. [PDF]
• PTR: Einheitliches Tuning mit Regeln für die Textklassifizierung in OpenAI 2022. [PDF]
• Beschriftung Verbalisierung und Einbeziehung für eine effektive Extraktion von Null- und wenigen Schäden in EMNLP 2021. [PDF]
• RelationPrompt: Nutzungsaufforderungen zur Generierung von synthetischen Daten für die Null-Shot-Beziehungstriplett-Extraktion in EMNLP 2022 (Ergebnisse). [PDF]
• Sachkundige Aufgabe: Integration von Wissen in einen schnellen Verbalizer für die Textklassifizierung in ACL 2022. [PDF]
• PPT: Vorausgebildetes Umfang für wenige Schüsse-Lernen, in ACL 2022. [PDF]
• Kontrastive Demonstrationsabstimmung für vorgeborene Sprachmodelle in EMNLP 2022 (Befunde). [PDF]
• ADAPROMPT: Adaptives Modelltraining für prompt-basierte NLP, in ARXIV 2022. [PDF]
• KnowPrompt: Wissensbewusstes Einheitungseinstellung mit synergistischer Optimierung für die Beziehungsextraktion in www 2022. [PDF]
• Die Schema-bewährte Referenz als Eingabeaufforderung verbessert in Sigir 2023 die dateneffiziente Wissensgrafikkonstruktion. [PDF]
• Entkopplung von Kenntnissen aus dem Auswendiglernen: Abruf-ausgebildetes promptes Lernen, in Neurips 2022. [PDF]
• Relationsextraktion als Open-Book-Prüfung: Abrufenverstärkte, in Sigir 2022. [PDF]
• Lightner: Ein leichtes Tuning-Paradigma für Ner-Ressourcen-Ner durch Steckabkommen, in Coling 2022. [PDF]
• Einheitliche Strukturgenerierung für die universelle Informationsextraktion, in ACL 2022. [PDF]
• Lasuie: Einheitliche Informationsextraktion mit latenten adaptiven strukturbewussten generativen Sprachmodell in Neurips 2022. [PDF]
• Atlas: Wenige Schüsse Lernen mit Abrufenvergrößerungssprachmodellen, in Arxiv 2022. [PDF]
• Nicht fordern, suchen! Mining-basiertes Null-Shot-Lernen mit Sprachmodellen in ACL 2022. [PDF]
• Wissensaufforderung im vorgeborenen Sprachmodell für das Verständnis der natürlichen Sprache, in EMNLP 2022. [PDF]
• Unified Knowledge fordert die Dialoge für den Kundendienst in CIKM 2022. [PDF]
• Wissensaufforderung im vorgeborenen Sprachmodell für das Verständnis der natürlichen Sprache, in EMNLP 2022. [PDF]
• Selbststruktur: Sprachmodell mit selbst erzeugten Anweisungen in ARXIV 2022 ausrichten. [PDF]
• Ein Einbetter, jede Aufgabe: Befehlsfinetonte Text-Einbettungen, in Arxiv 2022. [PDF]
• Lernen, Eingabeaufforderungen für das Lernen in Kontext abzurufen, in NAACL 2022. [PDF]
• Trainingsdaten sind wertvoller als Sie denken: Eine einfache und effektive Methode durch Abrufen von Trainingsdaten in ACL 2022. [PDF]
• Ein Modell für alle Domänen: Collaborative Domain-Prefix-Tuning für Cross-Domain-Ner, in Arxiv 2023. [PDF]
• Wiederholung: Abrufen-Black-Box-Sprachmodelle in Arxiv 2023. [PDF]
• Wissensmodell Aufforderung zur Beantwortung von Wissensgrafikfragebestellungen in ARXIV 2023. [PDF]

Multimodal

• Eine gute visuelle Führung macht einen besseren Extraktor: hierarchisches visuelles Präfix für multimodale Entität und Beziehungsextraktion in NAACl 2022 (Befunde). [PDF]
• Visuelle Eingabeaufforderung in ECCV 2022. [PDF]
• CPT: Buntes Tuning für vorgebreitete Sichtsprüche-Modelle in EMNLP 2022. [PDF]
• Lernen, Sehversprachmodelle in IJCV 2022 aufzufordern. [PDF]
• Testzeit-Eingabeaufforderung für die Null-Shot-Verallgemeinerung in Visionsprachmodellen in Neurips 2022. [PDF]

Fortgeschrittene Aufgaben

• Empfehlung als Sprachverarbeitung (RLP): Ein einheitliches Vorabend, personalisierte Eingabeaufforderung und Vorhersage von Paradigma (P5) in ACM Recsys 2022. [PDF]
• In Richtung einheitlicher Konversationsempfehlungssysteme über das kenntnisverstärkte sofortige Lernen in KDD 2022. [PDF]
• Promptem: Eingabeaufgabe für eine geringe Ressourcenverallgemeinerung der Entitätsübereinstimmung in VLDB 2023. [PDF]
• VIMA: Allgemeine Robotermanipulation mit multimodalen Eingaben, in Arxiv 2022. [PDF]
• Unvoreingenommene Retrosynthese -Sprachmodelle mit Trennungsanforderungen in Arxiv 2022. [PDF]
• Progprompt: Generierung von Roboter -Taskplänen mit großer Sprachmodellen in Arxiv 2022. [PDF]
• Zusammenarbeit mit Sprachmodellen für verkörpertes Denken in Neurips 2022 Workshop Larel. [PDF]

Eingabeaufforderung (PLMS) für Wissen

Wissensuntersuchung

• Wie viel Wissen können Sie in die Parameter eines Sprachmodells einpacken? in EMNLP 2020. [PDF]
• Sprachmodelle als Wissensbasis? in EMNLP 2019. [PDF]
• Materialisierte Wissensbasis aus vernünftigen Transformatoren in CSRR 2022. [PDF]
• Zeitbewusste Sprachmodelle als zeitliche Wissensbasis in TaCl2022. [PDF]
• Können generative vorgebrachte Sprachmodelle als Wissensbasis für die QA für geschlossene Bücher dienen? in ACL2021. [PDF]
• Sprachmodelle als Wissensbasis: zu Entitätsdarstellungen, Speicherkapazitäten und umschriebenen Abfragen in EACL2021. [PDF]
• Wissenschaftliche Sprachmodelle für biomedizinische Wissensbasisabschluss: Eine empirische Studie in AKBC 2021. [PDF]
• Mehrsprachiger Lama: Untersuchung von Wissen in mehrsprachigen vorbereiteten Sprachmodellen, in EACL2021. [PDF]
• Wie können wir wissen, was Sprachmodelle wissen? in TaCl 2020. [PDF]
• Wie Kontext die sachlichen Vorhersagen der Sprachmodelle in AKBC 2020 beeinflusst. [PDF]
• Kopen: Konzeptuelle Kenntnisse in vorgeborenen Sprachmodellen in EMNLP 2022. [PDF]
• Prüfkenntnisse aus vorgebliebenen Sprachmodellen in ACL 2022. [PDF]

Einbettung von Wissensgrafiken (wir bieten eine Bibliothek und einen Benchmark -Lambdakg an)

• KG-Bert: Bert für den Abschluss des Wissensgrafiks, in Arxiv 2020. [PDF]
• Multi-Task-Lernen für Wissensgrafiken Abschluss mit vorgebildeten Sprachmodellen ， in Coling 2020. [PDF]
• Struktur-ausgestattete Textrepräsentation Lernen für effiziente Wissensgrafikabschluss in www 2021. [PDF]
• Kepler: Ein einheitliches Modell für die Einbettung von Wissen und die Darstellung der vorgebrachten Sprache, TaCl 2021 [PDF]
• Statik: Struktur und Text für induktives Wissensgraphen in NAACl 2022. [PDF]
• Gemeinsame Sprachsemantik und Struktur einbetten, um den Kenntnisstand für Wissensgrafik zu vervollständigen. [PDF]
• Das Wissen ist flach: Ein SEQ2SEQ -Generativrahmen für verschiedene Wissensgrafikabschlüsse in Coling. [PDF]
• Profitieren vorgebildete Modelle den Kenntnisgrafikabschluss? Eine zuverlässige Bewertung und ein vernünftiger Ansatz in ACL 2022. [PDF]
• Sprachmodelle als Wissen Einbettung in IJCAI 2022. [PDF]
• Von der Diskriminierung bis zur Generation: Knowledge -Graph -Abschluss mit Generativen Transformator in www 2022. [PDF]
• Argumentation durch Auswendiglernen: Kenntnis der nächsten Nachbarn -Grafik -Einbettungen in Arxiv 2022. [PDF]
• SIMKGC: Einfache kontrastive Wissensgrafik-Vervollständigung mit vorgebildeten Sprachmodellen in ACL 2022. [PDF]
• Sequenz zur Abschluss und Beantwortung von Fragen zu Sequenzwissengrafiken in ACL 2022. [PDF]
• LP-Bert: Multi-Task-Knowledge-Graph Bert für die Link-Vorhersage in ARXIV 2022. [PDF]
• Maske und Vernunft: Wissensgrafiktransformatoren vor dem Training für komplexe logische Abfragen in KDD 2022. [PDF]
• Wissen ist flach: Ein SEQ2SEQ -generativer Rahmen für verschiedene Wissensgrafiken in Coling 2022. [PDF]

Analyse

• Kenntnisreiche oder gebildete Vermutungen? Überprüfung von Sprachmodellen als Wissensbasis in ACL 2021. [PDF]
• Kann eine promptierte Sonde -Sprachmodelle formuliert? Verständnis der unsichtbaren Risiken aus einer kausalen Sichtweise in ACL 2022. [PDF]
• Wie erfassen vorgebrachte Sprachmodelle Faktenwissen? Eine kausal inspirierte Analyse in ACL 2022. [PDF]
• Emergente Fähigkeiten großer Sprachmodelle in Arxiv 2022. [PDF]
• Wissensneuronen in vorbereiteten Transformatoren in ACL 2022. [PDF]
• Finden von Skill-Neuronen in vorgeborenen transformatorbasierten Sprachmodellen in EMNLP 2022. [PDF]
• Lösen Aufforderungen an NLP -Aufgaben mit natürlichen Sprachen? in Arxiv 2022. [PDF]
• Überdenken Sie die Rolle von Demonstrationen: Was macht das Lernen im Kontext zum Lernen? in EMNLP 2022. [PDF]
• Verstehen prompt-basierte Modelle wirklich die Bedeutung ihrer Eingabeaufforderungen? in Naacl 2022. [PDF]
• Wenn nicht zu Sprachmodellen vertrauen: Untersuchung der Effektivität und Einschränkungen parametrischer und nicht parametrischer Erinnerungen, in Arxiv 2022. [PDF]
• Warum kann GPT in Kontexten lernen? Sprachmodelle führen heimlich Gradientenabstieg als Meta-optimierende ， in Arxiv 2022 durch. [PDF]
• Fantastisch geordnete Eingabeaufforderungen und wo man sie findet: Überwindung der Empfindlichkeit der Eingabeaufentwicklung von wenigen Schichten in ACL 2022. [PDF]
• Bearbeitung von großsprachigen Modellen: Probleme, Methoden und Chancen in Arxiv 2023. [PDF]

Kontaktinformationen

Für Hilfe oder Probleme mit den Takeits senden Sie bitte ein GitHub -Problem.