🔄 自监督/表示学习¶
💬 EMNLP2026 · 2 篇论文解读
📌 同领域跨会议浏览: 🧠 NeurIPS2026 (63) · 🎞️ ECCV2026 (26) · 📷 CVPR2026 (97) · 🔬 ICLR2026 (82) · 💬 ACL2026 (1) · 🧪 ICML2026 (28)
- CWoMP: Morpheme Representation Learning for Interlinear Glossing
-
CWoMP 摒弃了将行间标注视为无约束字符序列生成的传统范式,通过多正例对比预训练将单词与「形-义」语素原子单元对齐至共享嵌入空间,并利用轻量自回归解码器从可变词典中进行离散检索,实现了 0% 语素幻觉、切分-标注严格 1:1 对齐、推理算力消耗降低 8.5 倍以及推理期零重训动态扩展。
- Unified Work Embeddings: Contrastive Learning of a Bidirectional Multi-Task Ranker
-
针对劳动力市场中离散任务割裂与超大规模候选空间难题,本文提出统一工作排序基准 WorkBench 与轻量双编码器 UWE,基于二部图多对多 InfoNCE 损失与全词元软迟延交互,以仅 109M 参数击败 8B 通用大模型并实现显著正向跨任务迁移。