主页

前言 自杀风险筛查数据 数据增强 通过数据增强的方式构造更多的少数样本，使得正负样本均衡 回译： 将以下内容翻译成英文，然后再翻译回中文进行数据增强： title:【心理科普】青少年有自残、自伤行为怎么办？这7步有助于正确应对 comment:笑死，第一次发现我自伤的是老师，父母不带管的 1 ✅ 对比分析：原始 vs 增强版         标题 “自残、自伤行为” “出现自残行为”...

文章来源 文章来源：Multi-Granularity Distribution Modeling for Video Watch Time Prediction via Exponential-Gaussian Mixture Network CODE：https://github.com/BestActionNow/EGMN Introduction Motivation why to predict watch time of videos? Short-video platforms such as TikTok and KuaiShou have experienced a significant surge in popularity over recent y...

好的，这是一个关于 Positive-Unlabeled Learning（正类-无标记学习，简称 PU Learning） 的详细解释。 核心定义 Positive-Unlabeled Learning (PU Learning) 是一种特殊的半监督机器学习范式。在传统的分类问题中，我们通常拥有明确标记的正样本和负样本。但在 PU Learning 的场景下，我们的训练数据只包含两部分： 正样本 (P): 一组被明确标记为“正类”的样本。 无标记样本 (U): 一组未标记的样本，其中既包含隐藏的正样本，也包含负样本。 关键点：无标记样本集 不是负样本集，而是一个正样本和负样本的混合体，只是我们不知道每个样本的具体身份。 问题背景与挑战 为什么会出现这种情况...

今天是2025年10月13日，距离读博的报道第一天已经过去了591天，好消息是好兄弟gap一年半之后顺利上岸，师姐也顺利拿到了青基，师弟的数据也收的差不多了。 时间回到昨天，由于音乐节的海风过于自由，回到南京之后成功感冒，整个人昏昏沉沉的，睡到三点才爬起来准备换到工位接着躺尸，终于走到了九曲桥，看到对面一个家伙骑车迎面过来，似乎有点眼熟，噢，原来是上次吃饭的一个家伙。就认真的打了下招呼，以为打完招呼就会走掉，没想到他直接说 你咋看起来状态这么差，就这样开始唠了起来。他就搁哪骑在共享自行车上，我后背靠着桥的玻璃护栏，心想反正头痛干不了活，那就悠闲的开始唠嗑好了。 开始聊到了工作状态，作为好心人的我开始分享我的每日5小时工作制，以及训练专注度的方法。渐渐话题就打开了，就聊到了家庭关系，...

文章来源 文章来源： [1907.12412] ERNIE 2.0: A Continual Pre-training Framework for Language Understanding CODE：https://github.com/PaddlePaddle/ERNIE Introduction Motivation Generally the pre-training of models often train the model based on the co-occurrence of words and sentences. While in fact, there are other lexical, syntactic and semantic infor...

文章来源 文章来源： [1907.12412] ERNIE 2.0: A Continual Pre-training Framework for Language Understanding CODE：https://github.com/PaddlePaddle/ERNIE Introduction Motivation Generally the pre-training of models often train the model based on the co-occurrence of words and sentences. While in fact, there are other lexical, syntactic and semantic infor...

文章来源 BERT系列 RoBERTa ALBERT SpanBERT ERNIE 1.0 2.0 3.0 DistillBERT XLNet ELECTRA 模型榜单 GLUE Benchmark 总结 换到具体场景下 如何构造不同难度的样本？并进一步渐进式学习？