Accès ouvert déclaré 2022 conference-paper

Enhancing Self-Consistency and Performance of Pre-Trained Language Models through Natural Language Inference

Eric Mitchell, Joseph J. Noh, Siyan Li, Will J. Armstrong, Ananth Agarwal, Patrick Liu, Chelsea Finn, Christopher D. Manning

20Citations signalées — pas une note de qualité

1Institutions déclarées

1Pays d’affiliation déclarés

Résumé fourni par la source

Eric Mitchell, Joseph Noh, Siyan Li, Will Armstrong, Ananth Agarwal, Patrick Liu, Chelsea Finn, Christopher Manning. Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing. 2022.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref: Enhancing Self-Consistency and Performance of Pre-Trained Language Models through Natural Language Inference
Date Crossref: 01/01/2022
Éditeur: Association for Computational Linguistics
Type: proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude et ne compte pas comme une seconde source scientifique indépendante.

Institutions déclarées

Stanford University

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Sujets associés

Topic ModelingMultimodal Machine Learning ApplicationsNatural Language Processing Techniques

Lire en accès ouvert Consulter la publication primaire DOI