作者提出面向科学表格理解的 HARP-LoRA
热点事件持续更新
作者提出面向科学表格理解的 HARP-LoRA
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
论文作者提出 HARP-LoRA，用于科学表格理解；在 Llama 3.1 8B 上，其 PK F1 为 57.64%、WikiTQ 准确率为 53.15%，分别比 LoRA 高 1.42 和 6.56 个百分点。在 Gemma 3 27B 上，两项指标分别为 70.63% 和 56.87%。 该方法根据表格行、列标题的层级信息条件化低秩投影。作者在 950 张来自 587 篇科学文章的人工标注 PK 表格和 WikiTQ 上进行评估，模型还包括 Llama 3.2 3B。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
HARP-LoRA：面向科学表格理解的层级条件秩投影低秩适配方法报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningHARP-LoRA：面向科学表格理解的层级条件秩投影低秩适配方法
HARP-LoRA利用行列标题层级条件化低秩投影，提升科学表格信息抽取和表格推理表现。在Llama 3.1 8B上，PK F1为57.64%、WikiTQ准确率为53.15%，较LoRA分别高1.42和6.56个百分点；Gemma 3 27B上两项指标分别为70.63%和56.87%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。