X 在打击虚假信息过程中遵守巴西法院的规定
这项禁令是在马斯克的反抗之后颁布的，他将其描述为对“审查制度”的斗争。经过数月的反抗，埃隆·马斯克的社交媒体平台 X向巴西最高法院表示，它已遵守了遏制虚假信息传播的命令。在马斯克与巴西司法部门就他所谓的“审查制度”进行了长期斗争之后，他寻求...
第39页
MetNet-2：12 小时降水预报的深度学习
深度学习已成功应用于一系列重要挑战，例如癌症预防和提高可及性。深度学习模型在天气预报中的应用与人们的日常生活息息相关，从帮助人们规划一天的行程到管理食品生产、运输系统或能源网。天气预报通常依赖于由世界上最大的超级计算机驱动的传统物理技术。此...
RLiable：强化学习中的可靠评估和报告
强化学习(RL) 是机器学习的一个领域，专注于从经验中学习以解决决策任务。虽然 RL 领域取得了长足进步，在玩视频游戏、驾驶平流层气球和设计硬件芯片等复杂任务上取得了令人印象深刻的经验成果，但越来越 明显 的是，当前的经验评估标准可能会给人...
通过滚动交互预测文本的可读性
全球至少有 7.73 亿人不识字，无论老少。对于这些人来说，阅读来自不熟悉来源或不熟悉主题的信息可能极其困难。不幸的是，由于阅读和写作教育机会不平等，全球疫情进一步加剧了这些不平等现象。事实上，联合国教科文组织报告称，由于与疫情相关的学校停...
用于强化学习的置换不变神经网络
，引自Livewired人们拥有一种惊人的能力，能够使用一种感觉模式（例如触觉）来提供通常由另一种感觉（例如视觉）收集的环境信息。这种适应能力称为感觉替代，是神经科学中众所周知的一种现象。虽然一些困难的适应——例如适应上下颠倒的看东西、学习...
机器人模仿学习中的决定性
尽管过去几年机器人学习取得了长足进步，但一些机器人代理策略在试图模仿精确或复杂的行为时，仍然难以果断地选择行动。考虑这样一个任务：机器人试图将一个木块滑过桌子，以将其精确地放入插槽中。解决这项任务的方法有很多种，每种方法都需要精确的移动和修...
使用联邦学习预测文本选择
智能文本选择于 2017 年作为 Android O 的一部分推出，是 Android 最常用的功能之一，它通过预测用户点击时所需的单词或单词集，并自动适当扩展选择范围，帮助用户轻松快速地选择、复制和使用文本。通过此功能，选择会自动扩展，对...
MURAL：跨语言的多模式、多任务检索
对于许多概念而言，从一种语言到另一种语言没有直接的一一对应翻译，即使有，这种翻译也往往带有不同的联想和内涵，非母语人士很容易忽略这些联想和内涵。然而，在这种情况下，如果以视觉示例为基础，含义可能会更加明显。以“婚礼”一词为例。在英语中，人们...
RLDS：强化学习中生成、共享和使用数据集的生态系统
大多数强化学习(RL) 和顺序决策算法都要求代理通过与环境进行大量交互来生成训练数据，以实现最佳性能。这非常低效，尤其是在生成这些交互很困难的情况下，例如使用真实机器人收集数据或与人类专家交互。可以通过重复使用外部知识源来缓解此问题，例如R...
评估语言模型的句法能力
近年来，BERT和GPT-3等预训练语言模型在自然语言处理(NLP)中得到了广泛应用。通过对大量文本进行训练，语言模型获得了有关世界的广泛知识，在各种 NLP 基准上取得了出色的表现。然而，这些模型往往不透明，因为它们表现如此出色的原因可能...