预训练语言模型

该研究通过对比浅层机器学习与预训练语言模型，提升了反思性写作的文档级分类准确性，为教师教育中的自动反馈机制提供了新思路。

ProMvSD提出了一种无监督知识图谱异常检测框架，通过多视角语义驱动模型和大规模预训练语言模型提升检测精度。

本文提出了一种基于大语言模型反馈的因果关键词驱动的可靠文本分类方法，显著提升了预训练语言模型在跨域文本分类任务中的性能。

本文提出了一种最大化区分掩码（MDM）方法，通过屏蔽不稳定世界知识来提高问答系统的忠实性和事实准确性。

本文提出了一种基于预训练语言模型的政治文本主题分类方法，显著优于跨领域分类器，且仅需少量标注数据。

本文通过微调预训练语言模型，显著提升了多标签专利分类的性能，XLNet表现最佳。