Перейти к основному содержанию
Библиотечно-издательский комплекс СФУ
Toggle navigation
Ресурсы
Библиотечный поиск
Каталог изданий университета
Университетские информационные ресурсы
Российские информационные ресурсы
Мировые информационные ресурсы
Периодические издания
Тематические путеводители
Книгообеспеченность учебного процесса
Приобретение литературы
Читателю
Регистрация читателей
Получение и возврат литературы
Межбиблиотечный абонемент
Тематические путеводители
Обучение работе с ресурсами
Доступная среда библиотеки
Детская развивающая площадка
Подарить книгу библиотеке
Автору
Правила издания рукописей
План выпуска изданий
Размещение публикаций в библиотеке, репозитории, РИНЦ
Проверка
журнала
Служба поддержки публикационной
активности
Учёт публикаций в АИС
«Прометей»
Услуги
Справочник услуг и сервисов БИК
Новая заявка на услугу
Бронирование помещений
Контакты
Адреса и режим работы
Контакты
Вопрос-Ответ
Отправить отзыв
Ещё
О Научной библиотеке
Об Издательстве
Дилерство «САБ ИРБИС»
Красноярский ИРБИС-клуб
Литературный клуб «Высокий берег»
Подкаст «Пища для ума»
Вакансии
Часто задаваемые вопросы
Мобильное приложение
Карта сайта и поиск по сайту
Онлайн-медиа Научной библиотеки
Личный кабинет
Главная
Ресурсы
Библиотечный поиск
Uncovering
Constraint-Based
Behavior in Neural
Models via Targeted
Fine-Tuning
Forrest Davis
Marten van Schijndel
2021 год
Uncovering Constraint-Based Behavior in Neural Models via Targeted Fine-Tuning
статья
Полный текст
Страница публикации
Публикация в OpenAlex
Аннотация:
Forrest Davis, Marten van Schijndel. Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing (Volume 1: Long Papers). 2021.
Год издания:
2021
Авторы:
Forrest Davis
,
Marten van Schijndel
Ключевые слова:
Natural Language Processing Techniques, Topic Modeling, Speech and dialogue systems
Другие ссылки:
aclanthology.org
(PDF)
doi.org
(HTML)
arXiv (Cornell University)
(PDF)
arXiv (Cornell University)
(HTML)
Показать дополнительные сведения
DOI:
https://doi.org/10.18653/v1/2021.acl-long.93
Открытый доступ:
hybrid
Страницы:
1159–1171