- 博客(103)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 因果推理“三问”：是什么？为什么需要？如何使用？
译者：AI研习社（听风1996） 双语原文链接：Causal Inference: What, Why, and How 作为一名经济学博士，我致力于寻找某些变量之间的因果关系，用来完成我的论文。因果关系强大到可以让人们有足够的信心去做决策、防止损失、求解最优解等。在本文中，我将讨论什么是因果关系，为什么需要发现因果关系，以及进行因果推理的常用技巧。 1. 什么是因果关系？ 因果关系描述的是两个变量之间的关系，即一个变量如何诱发另一个变量的发生。它...
2020-12-23 14:37:58
648
原创 Compute Goes Brrr：重温强化学习之父Sutton关于AI的70年惨痛教训
导语：所以，“惨痛教训”是对是错？可能既不是这边，也不是那边。译者：AI研习社（Key）双语原文链接：Compute Goes Brrr: Revisiting Sutton’s Bitter Lesson for Artificial Intelligence回顾理查德·萨顿关于AI的惨痛教训就在不久前的过去，在一个与我们今天相差无几的世界上，在达特茅斯学院，有这样一个雄心勃勃的项目，志在弥合人类与机器智能之间的鸿沟。那是1956年。虽然达特茅斯夏季人工智能研究项目并不是第一个对思考机器的潜力提出
2020-12-18 18:36:09
511
1
翻译 关于深度学习、NLP和计算机视觉的30个顶级Python库
导语：深度学习框架排名，TensorFlow 高于 PyTorch。译者：AI研习社（话左）双语原文链接：Top Python Libraries for Deep Learning, Natural Language Processing & Computer Vision请注意，下面的图示由Gregory Piatetsky绘制，每个库都有其类别，按星标和贡献者对其进行绘制，符号大小则以该库在Github上的提交次数的对数表示。图1：深度学习，自然语言处理和计算机视觉的顶级Pyth
2020-12-15 15:30:45
381
原创 职荐 | 「蚂蚁集团」即将上市，整层楼沸腾，3个应届生可加入的岗位开放中
7月20日晚间消息，全球最大的独角兽公司，支付宝母公司蚂蚁集团今日宣布，启动在上海证券交易所科创板和香港联合交易所有限公司主板寻求同步发行上市的计划。按照路透社的说法，此次蚂蚁将按照2000亿美元估值融资。要知道，2017年，其估值仅750亿美元，2018年中融资140亿美元，当时估值是1500亿美元，如今过了一年半，融资又飙涨到2000亿美元。这一次蚂蚁集团官宣上市，被称作史上最大“造富”运动，有人预计会出现至少60个亿万富豪，还有许许多多千万富翁。当然，受益的还有内部员工。公司的40%股权.
2020-07-29 10:48:14
1611
原创 CCF-GAIR 2020 源创专场 | 免费领取学术票
PART 012011 年 1 月，萨提亚·纳德拉接受时任微软 CEO 史蒂夫·鲍尔默的委任，接手公司刚刚起步不久的云业务。直接面向用户，了解用户需求是纳德拉对部门提出的最重要的要求之一。不久后，他带团队前去湾区拜访。在几家初创公司的会议室里与 CEO 和工程师们的交流中，纳德拉更强烈地感到 Linux 在微软未来云业务发展中的重要性——这之前，Azure 已经在支持 Linux 中采取一些措施。结束当天的会议，就在前往停车场的路上，纳德拉和如今的微软副总裁斯科特·格里斯等人共同做出决策：Azure .
2020-07-29 10:33:01
813
原创 资料 | 白话深度学习与TensorFlow
下载地址：资料 | 白话深度学习与TensorFlow内容简介 · · · · · ·本书基本独立成册，适用于零基础的初学者。基础篇（第1～3章），讲解了机器学习、深度学习与实践的上下文知识，如基本的机器学习与深度学习算法，TensorFlow框架的安全与配置，简单的深度学习实践。该篇是阅读和实践的基石。原理与实践篇（第4～8章），介绍“老牌”的深度学习网络的数学原理和工程实现原理，尤其是第4章，如果能基本读懂，后面的网络实现层面的问题基本都可以迎刃而解。涵盖BP网络、CNN、RNN的结构、思路
2020-07-15 16:07:41
438
原创 年轻人的第一本深度学习面试书
本文由发布于专栏 白小鱼同志们，一年一度的暑假又到了，暑假实习、秋招都在向你招手，你又不可避免地卷入各种各样的面试。面试深度学习算法工程师的同学，在参加面试的过程中，你是否经常被面试官的问题难到，苦苦寻求一本关于深度学习面试的书。别急，听我给你支一招。 最近，我有一个朋友安利我一本新书《百面深度学习》，深度学习面试的扛鼎之作。 大家听到这个名字是不是很熟悉，没错，这本书就是爆款《百面机器学习》的续作， 又叫葫芦书（封面有一只巨大的葫芦）！行走江湖，身上岂能没有一两件法宝。葫芦书就是你的法宝，有了这个法
2020-07-15 16:06:34
816
原创 资料 | O‘Reilly精品图书系列：算法精解 C 语言描述 (简体中文)
下载地址：资料 | O'Reilly精品图书系列：算法精解 C 语言描述 (简体中文) 内容简介 · · · · · ·本书是数据结构和算法领域的经典之作，十余年来，畅销不衰！全书共分为三部分：第一部分首先介绍了数据结构和算法的概念，以及使用它们的原因和意义，然后讲解了数据结构和算法中最常用的技术——指针和递归，最后还介绍了算法的分析方法，旨在为读者学习这本书打下坚实的基础；第二部分对链表、栈、队列、集合、哈希表、堆、图等常用数据结构进行了深入阐述；第三部分对排序、搜索数值计
2020-07-15 15:53:23
847
1
原创 强化学习算法回顾 Q-learning 玩 OpenAI 的 Taxi 游戏
本文首发作者 Ray906 发表于专栏 · AITrust这里使用的是 OpenAI Taxi-V3 环境这里有 4 个地点，分别用 4 个字母表示，任务是要从一个地点接上乘客，送到另外 3 个中的一个放下乘客，越快越好。成功运送一个客人获得 20 分奖励每走一步损失 1 分（希望尽快送到目的地）没有把客人放到指定的位置，损失 10 分渲染图中显示，一共 R，G，B，Y 这 4 个地点，黄色的块是 taxi，其中 ":" 栅栏可以穿越，"|"
2020-07-07 15:25:17
1459
1
原创 这套477页的开源电子书和598页的课件，是一份写给机器翻译爱好者的学习资料
自然语言处理是人工智能皇冠上的明珠，而填补语言鸿沟的机器翻译则是自然语言处理最典型的应用技术之一。自20世纪90年代起，机器翻译迈入了基于统计建模的时代，发展到今天，深度学习等机器学习方法已经在机器翻译中得到了大量的应用，因此目前也是相当火爆。想必同学们也会经常在网上找一些好的学习资源。最近，笔者在 github 上发现了一份机器翻译的教程，项目的 GitHub 地址为：https://github.com/NiuTrans/MTBook电子书截图1电子书截图2这套教程对机器翻译的统计建模和
2020-07-07 15:09:51
681
原创 机器学习中踩过的坑，如何让你变得更专业？
踩过坑才知道哪些路是不可行的，有时候犯错误也能帮助我们变得更加专业。数据科学家 Archy de Berker 在本文中详述了他和周围同伴们在机器学习探索中踩过的坑，这也都是大家经常性遇到的问题。他希望通过这一篇文章，带大家了解机器学习中一些有趣的错误——一些只有你深入了这个领域才能接触到的错误。这不是一篇入门级的文章，想要读懂本文，最好先在 Pytorch 或 Tensorow 上多练习下毁坏模型。本文主要集中在绿色分布的错误，但紫色分布和黄色分布也会部分涉及一、机器学习中的常见错误Berke
2020-07-03 16:13:23
1252
原创 数据不够，是模型表现不佳的“借口”，还是真正的问题所在？
“如果我能获得更多的训练数据，我的模型精度就会大大提高”，“我们应该通过API获得更多的数据”，“源数据质量太差，我们无法使用”。这是很多工程师在模型表现不力时给出的一些解释或者理由。数据作为机器学习或分析项目的基础，虽然现在拥有的可用数据比之前要多，但是数据不足或者数据类型不匹配等问题并不少见。然而如何知道这些问题是真正的问题点还是仅仅是借口呢？换句话说，如何发现数据是否是项目的限制因素？那就需要，查找数据瓶颈！一般来说，主要可以从以下三个方面来调整数据：深度：增加数据点的数量广度：增加
2020-07-03 16:12:51
1278
1
原创 图深度学习：成果、挑战和未来
译自：雷锋字幕组原文：https://towardsdatascience.com/deep-learning-on-graphs-successes-challenges-and-next-steps-7d9ec220ba8摘要：这是系列文章的开篇，我将讨论图神经网络的演变和未来趋势。图深度学习：成果、挑战和未来图神经网络，也被称之为几何神经网络(GDL)[1]， 图表示学习(GRL)，或者是关系归纳偏差[2]，近来成为机器学习中最热门的话题。但是关于图学习要追溯到至少十年前[3]，毫无疑问近年
2020-07-02 15:20:50
1074
原创 Github 项目推荐 | 科研人必看！盘点那些最好用的 AI 学术科研工具
本文转载自：https://github.com/bighuang624/AI-research-tools（侵删）AI-research-tools推荐一些我喜欢的科研工具（有些限定于 AI 领域）标记【待尝试】的是我还未使用过但感觉比较有用的工具，会尽快尝试并根据体验决定是否保留请通过 issues 等方式向我推荐您觉得好用的但不在此清单上的 AI 领域科研工具，感谢目录 AI-research-tools趋势关注RSS 阅读器论文查找搜索引擎arXiv 相关代码
2020-07-02 14:53:28
1861
原创 AI挑战赛「潮流商品标签识别」：谁说写代码的人不懂潮？
大家好，我是你们的老火鸡--- AI研习社吴彦祖。 今年“618”已经落下帷幕，大家剁手了哪些东西呢？显卡、键盘、女装还是潮流单品？ 虽然618热度已经过去，不过我们还想蹭一点余温，所以我们本次比赛的赛题就是和电商有关， 顺便为广大程序员正名：虽然我们不能分辨口红，我们不懂潮，但是我们写的代码可以！！！ 还有不少同学反馈，我们前几次上线的比赛都太难了，那么标签维度较少，总体难度不高的这场比赛，你们不考虑一下么？ ...
2020-06-30 15:58:51
705
原创 机器学习算法背后的统计学原理丨 翻译征文丨雷锋字幕组
开发机器学习算法越来越容易。有几个高级库可供使用，比如 TensorFlow, PyTorch 以及 scikit-learn 。多亏了那些天才的开发人员的惊人努力，这些库非常易于使用，只需要对底层算法有一个肤浅的了解。然而，这是以深刻理解为代价的。如果没有适当的理论基础，人们很快就会被复杂的技术细节所淹没。我的目标是展示出当我们有适当的视角时，如何用真正简单自然的想法来解释机器学习中看似晦涩难懂的方法。我们在机器学习中的数学工具就是概率论和统计学，它是预测模型的基础。使用概率论不仅仅是学术的培养，实际上
2020-06-30 15:58:01
827
原创 你有一本豆瓣9.5分的新书忘了领！愣着干嘛？进来领啊！
文章作者：邱锡鹏 复旦大学计算机科学技术学院教授、博士生导师注：文末有赠书活动哦！《神经网络与深度学习》——豆瓣评分9.5！复旦大学邱锡鹏教授力作，周志华、李航联袂推荐，深受好评的深度学习讲义“蒲公英书”正式版！系统整理深度学习的知识体系，由浅入深地阐述深度学习的原理、模型以及方法。更适合中文读者自学与入门的深度学习图书！使你掌握神经网络与深度学习技术的基本原理，知其然也知其所以然。上市不到一周即荣登京东和当当新书榜榜首！作者介绍邱锡鹏，复旦大学计算机科学技术学院教授、博士生导师，于复旦大学获得.
2020-06-29 16:40:58
677
原创 资料 | Python语言程序设计基础（第2版）
下载地址：资料 | Python语言程序设计基础（第2版）内容简介 · · · · · ·本书提出了以理解和运用计算生态为目标的Python语言教学思想，不仅系统讲解了Python语言语法，同时介绍了从数据理解到图像处理的14个Python函数库，向初学Python语言的读者展示了全新的编程语言学习路径。 全书一共设计了25个非常具有现代感的实例，从绘制蟒蛇、理解天天向上的力量到机器学习、网络爬虫，从文本进度条、统计名著人物重要性到图像手绘效果、雷达图绘制，绝大多数实例为作者原创，将随着内容深入
2020-06-29 14:53:06
1142
原创 本周 Paper推荐丨CVPR2020最佳论文，最佳学生论文，清华大学自监督学习综述等
推荐目录CVPR 2020最佳论文：无需任何监督，即可重建三维图像【CVPR 2020最佳学生论文】BSP-Net：通过二叉空间分割生成紧凑网络【清华唐杰团队】自监督学习：生成型or对比型【SIGGRAPH 2020 】从视频到动画的无配对动作风格迁移深度多模态数据分析综述：协作、竞争和融合CVPR2020最佳论文：无需任何监督，即可重建三维图像论文名称：Unsupervised Learning of Probably Symmetric Deformable 3D Objects from
2020-06-22 16:20:42
1972
原创 人类拥有智慧和愚蠢两面，AI要类人，愚蠢是否也必不可少？
像人一样，似乎是 AI 发展的最终目标。然而众所周知，人类有智慧和愚蠢两面， AI 要类人，是否也需要具备这两面性呢？从一开始为测试 AI 是否能像人一样而生的图灵测试来看，人类在完成计算等任务时，算出来的答案可能存在一定的错误率并且需要花一定的时间来完成计算，当能立马说出正确答案的 AI 也模仿人类这样的计算过程，人类和 AI 就无从判别，这便是 AI 模仿人类愚蠢，从而实现“类人”的一个方面。从人类自身的成长和进化而言，从小时候蹒跚学步被自己绊倒开始，人类一开始犯的错误或者说愚蠢，会为未来的经验和智慧铺
2020-06-22 16:07:57
775
原创 《科技爱好者周刊》收集的免费书籍汇总
免费计算机书籍汇总。没有注明语种的，都为英语资源。目录一、Web 开发二、系统管理三、编程语言四、数据库五、软件开发六、人工智能七、数学理论八、其他一、Web 开发1.1 JavaScript 语言The Modern JavaScript Tutorial（中文，英文）你不知道的 JSSpeaking JavaScript急性子程序员的 JavaScript 教程JavaScript 语言教程（中文）理解 ES6探索 ES6探索 ES2016 和 ES2017
2020-06-22 15:57:12
735
原创 春节到了，AI研习社不仅助你集五福，打比赛 还有红包等你拿！
盼望着，盼望着，一年一度的春节回来啦！相信有很多的同学都已经买到了回家的火车票，期待着回家和家人团聚了吧？还有我们的爸爸——支付宝，也终于在2019年度账单的暴击之后开始了“集五福”活动，但是看到第一天就60多万集齐以后是不是开始“柠檬树上柠檬果，柠檬树下你和我”了呢？还有过年在家里，总少不了亲戚们的“亲切问候”：不怕，AI研习社陪你度过这些难熬的时刻！即日起至2020年2月...
2020-01-16 15:37:42
403
原创 未来二十年的AI科研应当往何处发展？AAAI给出了一份答案
随着 AI 技术的不断发展和应用，我们似乎开始陷入一种尴尬的局面：我们既相信 AI 还有很大的潜能、可以在社会的许多层面起到帮助，同时我们也在 AI 的安全性、隐私、与人共处、长期发展等问题上陷入纷争。如果想让 AI 技术持续发展、并让 AI 为人类造福，整个领域需要在未来的几十年里做什么？这个问题很难回答，尤其很难给出具体的操作建议。不过现在已经有学术组织给出了一份深思熟虑的答案，US. C...
2019-08-21 10:11:48
275
翻译 著名的「词类比」现象可能只是一场高端作弊
「词类比」可谓是自然语言处理领域最为人津津乐道的经典案例之一。然而，进来一系列针对词类比现象的理论依据的讨论似乎要将这一明星案例拉下神坛。然而，无论结果如何，这一场围绕爆炸新闻和真理的大讨论都大大吸引了人们对于自然语言处理领域的关注，激发了大家的研究热情！自然语言处理（NLP）是现代机器学习工具的重要应用领域之一。它涉及到使用数字化的工具来分析、解释、甚至生成人类（自然的）语言。目前，NL...
2019-08-19 10:45:00
392
原创 周志华：「深」为什么重要，以及还有什么深的网络
雷锋网 AI 科技评论按：8 月 10 日至 16 日，IJCAI 2019 在中国澳门隆重召开。14 日下午，南京大学周志华教授进行特邀大会演讲，演讲主题是《Deep Learning: Why deep and is it only doable for neural networks?》。在演讲中，周志华教授从自己的角度解读了深度神经网络之所以获得成功的本质因素，以及如何在兼顾这些因素的...
2019-08-15 10:16:34
421
翻译 2019 目标检测指南
目标检测是一种为了检测汽车、建筑物和人类等目标对象的计算机视觉技术，这些对象通常可以通过图片或视频来识别。目标检测在视频监控、自动驾驶汽车、目标/人跟踪等领域得到了广泛的应用。在本文中，我们将了解目标检测的基础知识，并回顾一些最常用的算法和一些全新的方法。目标检测的工作原理目标检测会定位图像中的对象，并在该对象周围绘制一个包围框。这过程通常分为两步：目标分类并确定类型，然后在该对象...
2019-08-13 10:09:39
461
转载 自动机器学习：最近进展研究综述
深度学习已经运用到多个领域，为人们生活带来极大便利。然而，为特定任务构造一个高质量的深度学习系统不仅需要耗费大量时间和资源，而且很大程度上需要专业的领域知识。因此，为了让深度学习技术以更加简单的方式应用到更多的领域，自动机器学习（AutoML）逐渐成为人们关注的重点。本文首先从端到端系统的角度总结了自动机器学习在各个流程中的研究成果（如下图），然后着重对最近广泛研究的神经结构搜索（Neur...
2019-08-12 11:37:18
2034
翻译 如何优化深度神经网络？
训练一个深度神经网络以实现最佳的性能是一件具有挑战的任务。在本文中，我将会探索这项任务中最常见的问题及其解决方案。这些问题包括网络训练时间过长，梯度消失与爆炸以及网络初始化，我们在此统称为优化问题。而在训练网络中出现的另一类问题则称作正则化问题，对此，我已经在之前的文章中讨论过了，如果你没有阅读过，可以点击下方链接阅读原文。Improving Deep Neural Networks...
2019-08-06 10:34:45
229
翻译 深度学习的完整硬件指南
原标题 |A Full Hardware Guide to Deep Learning作者 |Tim Dettmers译者 | linlh、呀啦呼（Tufts University）、Ryan222（重庆邮电大学）深度学习是非常消耗计算资源的，毫无疑问这就需要多核高速的CPU。但买一个更快的CPU有没有必要？在构建深度学习系统时，最糟糕的事情之一就是把钱浪费在不必要的硬件...
2019-07-31 10:19:02
1689
1
翻译 程序员必读经典长文：用十年时间自学编程
相信很多做技术的同学都自学过，也看过「Teach Yourself Programming in Ten Years」这篇文章。虽然离初次发表已经好几年了，但所有试图自学编程的人都应该发自内心的同意它的说法（除去少数过时的具体技术部分）。直到今天，这篇经典的文章依然很有借鉴意义。以下是这篇文章的中文版。同时，在文末我们为大家免费提供两门入门课程噢~为什么每个人都这么匆忙？走进任何书店，你都...
2019-07-30 10:49:05
513
翻译 机器学习系统受到攻击怎么办？ 6 个月的研究心得告诉你破解方案！
机器学习是当下人工智能浪潮的核心技术，受到了工业界的广泛应用，为社会带来了巨大的产业价值。然而，如果机器学习系统受到攻击，将会带来怎样的严重后果？我们该如何分析、规避这种风险？下面，本文作者将基于 6 个月的研究心得，教给大家破解机器学习系统攻击的正确方式！机器学习正在让科幻照进现实！但是，任何新的发明（包括机器学习在内）都存在一个很遗憾的事实，那就是新的能力同时也会带来新的安全漏洞，让攻...
2019-07-29 10:27:33
366
翻译 从 CVPR 2019 一览小样本学习研究进展
随着研究者们对样本利用效率的要求日益提高，小样本学习逐渐成为了 AI 领域以及相关顶会最热门的话题之一。色列特拉维夫大学的在读博士研究生 Eli Schwarts 参加完CVPR 2019 后，针对今年CVPR 2019 的热点之一——小样本学习整理出了一份论文清单，供大家从 CVPR 的维度一览小样本学习在目前的研究进展。同时，社长想告诉大家文末有福利噢~背景最近，小样本物体识别成为...
2019-07-26 10:46:18
4023
翻译 数据分析从业者必看，10 个加速 python 数据分析的简单的小技巧
一些小的技巧在编程领域可能会非常有用，在数据科学领域同样如此。数据科学爱好者 Parul Pandey 在近日发表了一篇博文，分享了在数据科学中非常实用的 10 个小技巧。AI 科技评论将他的文章编译整理如下。有时候，一点小小的黑客行为可以节省时间，挽救生命。一个小小的快捷方式或附加组件有时会被证明是天赐之物，并且可以真正提高生产力。所以，下面是我最喜欢的一些技巧，我以本文的形式一起使用和编译...
2019-07-25 10:33:56
301
翻译 引用率过万的论文出错？从「词类比」说起
2013年，Tomas Mikolov发表的《Efficient estimation of word representations in vector space》，目前引用率已经超过11K。除了其词向量的贡献外，一个让人印象深刻的贡献便是指出NLP中「词类比」的现象，最经典的例子莫过于「国王-男人+女人=皇后」。Mikolov在另外一篇引用率极高的文章《Linguistic regu...
2019-07-23 16:52:25
261
翻译 关于两种统计模型文化的思考
本篇文章重新回顾了Breiman于2001年发表的《Statistical Modeling：The Two Cultures》一文，对数据建模和算法建模两种文化做了详细的反思，并指出要想发展统计学，应当秉持「先有模型准确性，再有模型可解释」的观点。AI研习社认为，这是值得深思的一篇文章。一起来看 Koehrsen 的观点。本文作者：Will Koehrsen编译：camel，杨晓...
2019-07-22 10:23:58
673
翻译 从动图中理解 RNN，LSTM 和 GRU
原标题 |Animated RNN, LSTM and GRU作者 |Raimi Karim译者 | 汪鹏(重庆邮电大学)、Overfitting本文编辑：王立鱼英文原文：https://towardsdatascience.com/animated-rnn-lstm-and-gru-ef124d06cf45递归神经网络(RNNs)是一类常用的序列数据人工神...
2019-07-17 17:31:07
708
翻译 10个梯度下降优化算法+备忘单
原标题 |10 Gradient Descent Optimisation Algorithms + Cheat Sheet作者 |Raimi Karim in Towards Data Science译者 | 斯蒂芬•二狗子（沈阳化工大学）、intelLigenJ（算法工程师）、星期五、莱特•诺顿、沧海一升本文编辑：王立鱼英语原文：https://towardsdata...
2019-07-17 11:08:59
537
转载 一文详解神经网络结构搜索（NAS）
本文作者为东北大学自然语言处理实验室 2018 级研究生胡驰，他的研究方向包括神经网络结构搜索、自然语言处理。雷锋网 AI 科技评论经作者授权发表本文章。近年来，深度学习的繁荣，尤其是神经网络的发展，颠覆了传统机器学习特征工程的时代，将人工智能的浪潮推到了历史最高点。然而，尽管各种神经网络模型层出不穷，但往往模型性能越高，对超参数的要求也越来越严格，稍有不同就无法复现论文的结果。而网络结构作为...
2019-07-16 10:40:07
10294
1
翻译 一位机器学习工程师的独白：影响你未来职业生涯的 12 件小事
如果未来的你将踏上机器学习工程师这条道路，那你很大可能将遇到和机器学习工程师 Daniel Bourke 相似的经历。在这一年的机器学习相关工作中，他发现很多事情都和想象的不同，有些事情也许看似没有意义，却价值无穷。于是，他将这些经历与感悟总结起来，写成了下面这篇文章。 AI 科技评论将其编译如下，相信这些经历与建议也会给未来将踏入 AI 行业的你带来很大的启发。工作站，家庭办公室和艺...
2019-07-15 10:22:52
901
翻译 「国王-男人+女人=皇后」背后的词类比原理究竟为何？| ACL 2019
在近些年的自然语言处理研究中，「词类比」是一个十分有趣的现象，最经典的例子莫过于「国王-男人+女人=皇后」。然而，如何将神经网路的黑盒拆开从而解释这一神奇的现象，一直都是有待探索的有趣的科学问题。近日，ACL 2019 上一篇名为「Towards Understanding Linear Word Analogies」（https://arxiv.org/abs/1810.04882）的论文对该问...
2019-07-11 11:29:57
3569
SSD论文中文版
2018-08-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人