本文提出了一种基于提示的文本生成迁移学习方法。

并行文本生成模型（非自回归模型）是一种新的文本生成范式。与传统自回归模型中的逐词迭代生成不同，它通过单次并行预测显著减少了解码时的延迟。

代码即将开源！

知识图谱（Knowledge Graphs，KGs）通常包含丰富的实体语义关联，在推荐系统中已被广泛地用作提高用户表征学习质量，以及提升推荐精准度的有效额外信息。

在本文中，我们探索了如何自动预测和补全多个不同语言的知识图谱（KG）。不同于单语言知识图谱补全，来自多种语言的 KG 不是彼此独立的，它们通常有一些共享的实体和关系（seed alignment）。有效地利用不同 KG 存在的这些可传播的知识，不仅有利于知识向低完整性的 KG 传播，还可以减轻所有语言的 KG 补全所需的人工标注成本。然而，知识在多语言 KG 之间的传播面临着两大挑战。...

这是一篇来自谷歌、斯坦福大学、北卡罗来纳大学教堂山分校以及 DeepMind 四个机构的研究，论文从「涌现（emergence）」的角度介绍大模型，所谓的涌现，即有些现象不存在于较小的模型中但存在于较大的模型中。...

本文对各个 CodePTM 建模编程语言的思想进行回顾，并简要分析了一下它们的特色。

以数据为中心的方法已被用于开发用于阐明蛋白质未表征特性的预测方法；然而，研究表明，这些方法应进一步改进，以有效解决生物医学和生物技术中的关键问题，这可以通过更好地代表手头的数据来实现。...

本文提出了一种自 Auto-Debias 的方法来减轻预训练语言模型中的偏见。

来自MIT等最新《可解释AI: 深度神经网络内部结构解释》综述论文， (1)为现有的内在可解释性方法提供一个全面的参考资源，(2)为持续的、以安全为重点的研究提供指导方向。