本文介绍spaCy Layout技术，该技术能够将PDF、Word等文档转换为结构化数据，支持文本分类、命名实体识别等NLP任务，并详细介绍其API接口和使用方法。
本文介绍了如何利用spaCy库构建可定制的自然语言处理管道，包括分词器定制、模型训练与优化，以及即将发布的spaCy v3新特性如配置化管道和实体链接功能。
本文介绍了如何通过spacy-transformers库将BERT、XLNet和GPT-2等Transformer模型集成到spaCy流程中，实现特征提取和模型微调，提升NLP任务性能。
本文提出了一种结合主动样本选择与测试时微调的人机协作框架，可将视频语义分割标注所需点击量减少73%的同时保持95%以上的mIoU精度，显著提升标注效率。
研究浅层随机初始化ReLU神经网络作为非高斯过程的数学特性，包括其脉冲白噪声驱动机制、自协方差函数闭式解，以及宽网络收敛于高斯/非高斯过程的条件分析。
本文首次从理论角度证明随机剪枝能改善过参数化神经网络的泛化性能，揭示了剪枝率与泛化能力之间的非线性关系，并发现存在使网络性能退化的临界剪枝阈值。
本文详细对比6款NotebookLM替代工具，包括NousWise、ElevenLabs等AI驱动的文档管理方案，分析其核心技术特性、隐私策略及适用场景，助您选择最佳知识协作平台。
本文提出了一种名为SSAM的简单重归一化策略，用于解决锐度感知最小化(SAM)算法在鞍点易停滞的问题。该方法几乎不增加计算成本，能有效扩展学习率适用范围，并在多个数据集上展现出优于SAM的性能。
George Karypis与合作者因其1998年提出的多约束图划分算法获得SC21时间考验奖，该算法在电子设计自动化、深度学习模型计算图划分等领域产生深远影响。
本文研究了图神经网络在多节点表示学习中的应用，提出标记技巧以解决现有方法无法捕捉节点间依赖关系的问题，并在多种任务中验证了其有效性。