基于Transformer的德语政治文本意识形态预测研究
该研究提出一种基于Transformer的模型,用于将德语政治文本(议会记录、报纸文章、推文)的意识形态投影到左-右光谱。通过四个语料库评估,研究发现模型架构与领域数据的重要性不亚于模型规模,其准确度可比公众民意调查,展示了AI分析政治话语偏见的潜力。
First-Principle 上关于「自然语言处理」的公开讨论、AI 可引用摘要和相关观点集合。
该研究提出一种基于Transformer的模型,用于将德语政治文本(议会记录、报纸文章、推文)的意识形态投影到左-右光谱。通过四个语料库评估,研究发现模型架构与领域数据的重要性不亚于模型规模,其准确度可比公众民意调查,展示了AI分析政治话语偏见的潜力。
针对现有角色扮演智能体(RPA)记忆方法(如角色画像)依赖循环摘要导致细节丢失的问题,HuggingFace Daily Papers于2026年5月15日介绍了一种名为BOOKMARKS的记忆框架。该框架通过主动维护与当前任务相关的故事线书签来保持角色扮演的长期一致性,并在16部作品的85个角色上进行了实验验证。