更文挑战2022

【实验部分】这篇论文面向 2021 年 MuSe-Physio 子挑战——一个多模态情感分析任务，目的是在高度紧张的自由演讲场景下，利用组合的视听信号和受试者的皮肤电反应预测生理情绪。

【方法部分】这篇论文面向 2021 年 MuSe-Physio 子挑战——一个多模态情感分析任务，目的是在高度紧张的自由演讲场景下，利用组合的视听信号和受试者的皮肤电反应预测生理情绪。

我们可以利用 gs 上的公开数据，分析一下老师们的合著情况，比如看看所有论文中，平均每篇文章由多少位老师参与……这些信息可以在我们选导师的时候帮助我们降低噪声，提供一定参考。

【实验部分】作者针对 Transformer 架构设计了一系列融合输入的方法，然后将这些方法用在多模态机器翻译和多源机器翻译任务中。

【模型部分】作者针对 Transformer 架构设计了一系列融合输入的方法，然后将这些方法用在多模态机器翻译和多源机器翻译任务中。

【实验部分】多模态机器翻译火了这么久，各路学者八仙过海各显神通，但效果提升却都比较有限。视觉信息对翻译真的有帮助吗？本文作者用实验给出了答案。

【方法部分】多模态机器翻译火了这么久，各路学者八仙过海各显神通，但效果提升却都比较有限。视觉信息对翻译真的有帮助吗？本文作者用实验给出了答案。

【实验部分】本文收录于 ACL 2019 ，第一作者 Julia Ive 来自谢菲尔德大学。作者采用了一种两阶段的翻译方法，先得到草稿，再同时用文本和视觉上下文来完善翻译结果，效果不错。

【模型部分】本文收录于 ACL 2019 ，第一作者 Julia Ive 来自谢菲尔德大学。作者采用了一种两阶段的翻译方法，先得到草稿，再同时用文本和视觉上下文来完善翻译结果，效果不错。

本文发表于 ICLR 2020 ，一作来自上海交大赵海组。作者用整个数据集构建了一个图文查询表，在翻译时用源句关键词检索图像，效果提升的同时，减轻了对大规模双语-图像数据集的依赖。

本文是 ACL 2021 的一篇 Workshop 论文，作者来自京都大学。作者把层次注意力网络用在视频MMT基线模型VMT中，取得了不错的结果。

本文发表于 ACM MM 2020，作者团队来自厦门大学。作者将胶囊网络用在多模态机器翻译的解码器中，动态提取图像的视觉特征辅助翻译，取得了比较好的结果。

在多模态机器翻译中，图像和文本两个模态的信息不是同等重要的，但过去的工作却都没有注意这个问题。本文提出了一种多模态自注意力方法，达到了 SoTA ，发表于 ACL 2020，作者来自北京大学。

通用语言模型新思路！谷歌提出新模型FLAN，基于指令微调，在参数少400亿的情况下，性能超越GPT-3。

之前一直在介绍 Prompt Engineering 的相关工作，本期分享的这篇 KPT 则着力于 Answer Mapping，探索 verbalizer 的设计，来自清华刘知远老师组。

长时间使用电脑对我们的眼睛、颈椎等均有危害，希望这些技巧能帮助你在细节上提高效率，留出更多时间去拥抱生活。

本文是【Prompt系列】的第四篇，本期论文既有设计思路的探索，又有训练策略的创新，是清华 CoAI 和 清华 NLP 等知名团队的作品。

本文介绍了 PyCharm Professional 连接远程服务器的步骤，连接后可以直接利用 PyCharm 的图形界面在服务器上同步代码、远程运行。

本文是【Prompt系列】的第三篇。上期分享了一种自动设计 prompt 的方法，本期介绍的这篇论文 Null Prompts，直接“自暴自弃”，连 prompt 模板都不设计了……

本文是【Prompt系列】的第二篇。上期介绍了 Prompt 的一些入门知识，本期选取一篇 Prompt Engineering 相关的经典工作 AutoPrompt 分享给大家。