CrowdChecked: Detecting Previously Fact-Checked Claims in Social Media

Несмотря на то, что программирование – это творческий процесс, достаточно много времени уходит на решение рутинных задач. Как и в других индустриях в сфере информационных технологий стремятся автоматизировать рутинные задачи. Во многих случаях применяются нейронные сети. Программирование не является исключением: Github заверяют, что уже около 30% кода написано при помощи Copilot. Этот инструмент основан на ...

Добавлено: 1 ноября 2024 г.

Analyzing the Robustness of Vision & Language Models

Ширнин А. А., Andreev N., Potapova S. и др., IEEE/ACM Transactions on Speech and Language Processing 2024 Vol. 32 P. 2751–2763

We present an approach to evaluate the robustness of pre-trained vision and language (V&L) models to noise in input data. Given a source image/text, we perturb it using standard computer vision (CV) / natural language processing (NLP) techniques and feed it to a V&L model. To track performance changes, we explore the problem of visual ...

Добавлено: 19 июля 2024 г.

Truth-O-Meter: Handling Multiple Inconsistent Sources Repairing LLM Hallucinations

Galitsky B., Чернявский А. С., Ильвовский Д. А., , in: SIGIR '24: Proceedings of the 47th International ACM SIGIR Conference on Research and Development in Information Retrieval.: Association for Computing Machinery (ACM), 2024. P. 2817–2821.

Large Language Models (LLM) often produce text with incorrect facts and hallucinations. To address this issue, we developed a fact-checking system Truth-O-Meter which verifies LLM results on the Internet and other sources of information to detect wrong claims/facts and proposes corrections for them. NLP and reasoning techniques such as Abstract Meaning Representation and syntactic alignment are ...

Добавлено: 9 мая 2024 г.

Aschern at CheckThat! 2021: Lambda-Calculus of Fact-Checked Claims

Чернявский А. С., Ильвовский Д. А., Nakov P., , in: CLEF 2021 Working Notes.: CEUR Workshop Proceedings, 2021. P. 484–493.

Добавлено: 9 мая 2024 г.

Creating and Using Synthetic Data for Neural Network Training, Using the Creation of a Neural Network Classifier of Online Social Network User Roles as an Example

Rabchevskiy A., Ясницкий Л. Н., , in: Digital Science: DSIC 2021Vol. 381.: Switzerland: Birkhauser/Springer, 2022. P. 412–421.

Добавлено: 14 февраля 2024 г.

Grammar in Language Models: BERT Study

Chistyakova K., Kazakova Tatiana, / NRU HSE. Series WP BRP "Linguistics". 2023. No. 115.

Добавлено: 29 ноября 2023 г.

Batch-Softmax Contrastive Loss for Pairwise Sentence Scoring Tasks

Чернявский А. С., Ильвовский Д. А., Kalinin P. и др., , in: Proceedings of the 2022 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (NAACL 2022).: Association for Computational Linguistics, 2022. P. 116–126.

Добавлено: 4 октября 2022 г.

Training Transformers Together

Борзунов А. А., Рябинин М. К., Dettmers T. и др., , in: Proceedings of the NeurIPS 2021 Competitions and Demonstrations Track.: PMLR, 2022. P. 335–342.

Добавлено: 27 июля 2022 г.

Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics

Association for Computational Linguistics, 2022.

Добавлено: 17 мая 2022 г.

К вопросу об исследовании спорных истин в американском политическом дискурсе

Казаков И. В., В кн.: Апрельские тезисы: материалы междисциплинарной научно-исследовательской конференции (г. Пермь, 2–3 апреля 2021 г.).: Пермь: Пермский государственный национальный исследовательский университет, 2021. С. 129–135.

В связи с обеспокоенностью качеством информации, предоставляемой разными субъектами в качестве достоверной, в США получила распространение практика факт-чекинга, которая имеет ограниченный эффект в силу игнорирования перформативных функций политического текста. В статье предлагается применить постструктуралистский дискурсивный исторический подход в поиске ответа на вопрос о том, как социальные акторы конструируют смыслы в дискурсивном оспаривании фактических утверждений в публичной ...

Добавлено: 17 мая 2022 г.

Fine-Tuning Transformers: Vocabulary Transfer

Samenko I., Tikhonov A., Kozlovskii B. и др., / Series Computer Science "arxiv.org". 2021.

Добавлено: 17 января 2022 г.

Transformers: “The End of History” for Natural Language Processing?

Чернявский А. С., Ильвовский Д. А., Наков П., , in: Machine Learning and Knowledge Discovery in Databases. Research Track: European Conference, ECML PKDD 2021, Bilbao, Spain, September 13–17, 2021, Proceedings,* 3.: Springer, 2021. P. 677–693.

Добавлено: 12 ноября 2021 г.

It’s All in the Heads: Using Attention Heads as a Baseline for Cross-Lingual Transfer in Commonsense Reasoning

Tikhonov A., Рябинин М. К., , in: Findings of the Association for Computational Linguistics: ACL-IJCNLP 2021.: Association for Computational Linguistics, 2021. P. 3534–3546.

Добавлено: 30 сентября 2021 г.

LIORI at SemEval-2021 Task 8: Ask Transformer for measurements

Davletov A., Gordeev D., Nikolay Arefyev и др., , in: Proceedings of the 15th International Workshop on Semantic Evaluation (SemEval-2021).: Association for Computational Linguistics, 2021. P. 1249–1254.

Добавлено: 23 сентября 2021 г.

Recursive Neural Text Classification Using Discourse Tree Structure for Argumentation Mining and Sentiment Analysis Tasks

Chernyavskiy A., Ильвовский Д. А., , in: Foundations of Intelligent Systems. 25th International Symposium on Methodologies for Intelligent Systems: ISMIS 2020Vol. 12117.: Springer, 2020. P. 90–101.

Добавлено: 4 октября 2020 г.

Развитие модели, основанной на знании об авторах, для поисковых применений

Молоканов В. О., Романов Д. А., Цибульский В. В., В кн.: Компьютерная лингвистика и интеллектуальные технологии: По материалам ежегодной Международной конференции «Диалог» (Бекасово, 29 мая - 2 июня 2013 г.). В 2-х т.Т. 1: Основная программа конференции. Вып. 12 (19).: М.: РГГУ, 2013.

Предлагается новая технология для широких поисковых применений к текстам естественного языка. Данная технология принимает во внимание информацию об авторстве документов и основана на анализе сети коммуникаций между авторами. Подробно рассматривается ее частное применение для задачи поиска экспертов. В качестве коллекций данных для проведения экспериментов используются корпуса TREC Enterprise track. Точность поиска экспертов, даваемая реализованной моделью, ...

Добавлено: 13 февраля 2014 г.