TL;DR
- چکیده:.
- با رواج فزاینده محتوای اخبار چندوجهی،.
- طبقهبندی موضوع اخبار مؤثر مدلهایی را میطلبد که قادر به درک مشترک و استدلال بر روی دادههای ناهمگون.
چه اتفاقی افتاد
چکیده:. با رواج فزاینده محتوای اخبار چندوجهی،.
طبقهبندی موضوع اخبار مؤثر مدلهایی را میطلبد که قادر به درک مشترک و استدلال بر روی دادههای ناهمگون. مانند متن و تصاویر باشند.
روشهای موجود اغلب روشها را بهطور مستقل پردازش میکنند یا از استراتژیهای همجوشی سادهای استفاده میکنند،. که توانایی آنها را برای گرفتن تعاملات متقابل پیچیده و استفاده از دانش خارجی محدود میکند.
برای غلبه بر این محدودیتها،. ما MultiPress را پیشنهاد میکنیم،.
یک چارچوب جدید سه مرحلهای چندعاملی برای طبقهبندی اخبار چندوجهی. MultiPress عوامل تخصصی را برای ادراک چندوجهی،.
استدلال تقویتشده بازیابی،. و امتیازدهی همجوشی دروازهای،.
و به دنبال مکانیزم بهینهسازی تکراری مبتنی بر پاداش،. ادغام میکند.
ما MultiPress را بر روی یک مجموعه داده خبری چندوجهی در مقیاس بزرگ جدید ساخته شده تأیید می. کنیم،.
که پیشرفتهای قابل توجهی را نسبت به خطوط پایه قوی نشان میدهد. و برجسته کردن اثربخشی همکاری چند عامله مدولار و استدلال تقویت شده با بازیابی در افزایش دقت طبقه.
بندی و تفسیرپذیری. پذیرفته شده در کنفرانس مشترک بین المللی شبکههای عصبی (IJCNN) 2026 محاسبات و زبان (cs.
CL) استناد بهعنوان: (یا v1 [cs. CL] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Zilin Zhao [مشاهده ایمیل] [v1] شنبه،.
4 آوریل 2026،. 04:.
25:. 26 UTC (365 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.