Zobrazeno 1 - 10
of 16
pro vyhledávání: '"Tan, Keren"'
While in-context learning with large language models (LLMs) has shown impressive performance, we have discovered a unique miscalibration behavior where both correct and incorrect predictions are assigned the same level of confidence. We refer to this
Externí odkaz:
http://arxiv.org/abs/2410.02210
Autor:
Liang, Yuanyuan, Tan, Keren, Xie, Tingyu, Tao, Wenbiao, Wang, Siyuan, Lan, Yunshi, Qian, Weining
Graph Databases (Graph DB) find extensive application across diverse domains such as finance, social networks, and medicine. Yet, the translation of Natural Language (NL) into the Graph Query Language (GQL), referred to as NL2GQL, poses significant c
Externí odkaz:
http://arxiv.org/abs/2402.16567
Lexical Simplification (LS) aims to simplify text at the lexical level. Existing methods rely heavily on annotated data, making it challenging to apply in low-resource scenarios. In this paper, we propose a novel LS method without parallel corpora. T
Externí odkaz:
http://arxiv.org/abs/2402.14704
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
2012 Fourth International Conference on Communication Systems & Networks (COMSNETS 2012); 1/ 1/2012, p1-8, 8p
Publikováno v:
Proceedings of the Fourth ACM Conference: Wireless Network Security; 6/14/2011, p5-10, 6p
Publikováno v:
MobiCom: International Conference on Mobile Computing & Networking; Sep2010, p33-36, 4p
Autor:
Tan, Keren, Kotz, David
Publikováno v:
2010 Proceedings of the 8th International Symposium on Modeling & Optimization in Mobile, Ad Hoc & Wireless Networks (WiOpt); 2010, p591-596, 6p
Publikováno v:
Neural Processing Letters; February 2005, Vol. 21 Issue: 1 p45-51, 7p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.