致谢 这篇论文的最后阶段总是让人觉得遥不可及。现在它们已经到来,感觉我不仅完成了我的博士项目,而且结束了一个时代,我的 VU 时代。我想借此机会感谢那些在帮助我完成论文和让这个时代令人难忘方面发挥了重要作用的人。首先,非常感谢我的导师 Gerard Steen 和 Wilbert Spooren。Gerard,感谢您将我带入了隐喻的奇妙世界,并让我和我们的团队成为 Pragglejaz 和 RaAM 鼓舞人心的世界的一部分。您对我所做工作的批判性观点和建设性反馈总是很有帮助,有时是急需的。Wilbert,感谢您密切关注并就许多事情提供有益和实用的建议,特别是关于统计数据和定量章节。如果没有你们两位的帮助和支持,这个最后阶段会花费我更长的时间。我还要感谢 Eric Akkerman、Onno Huber 和 Gerben Mulder 提供的技术支持和统计分析方面的帮助。如果没有他们的帮助,该项目的许多部分都无法顺利完成。在这方面,我还要感谢我的学生助理 Gudrun Reijnierse,她出色地编码了历史新闻文本,并批判性地审查了我的编码工作和荷兰语手册。我很幸运能够在英国兰开斯特度过三个月的研究时间,在 Elena Semino 和 Veronika Koller 的指导下对隐喻数据进行定性分析。他们为我提供了宝贵的意见、建设性的反馈和鼓励,对此我要表示诚挚的感谢。感谢您为我提供时间和机会与您合作。如果没有语言与交流系和英语系的同事,我在 VU 攻读博士学位的时光就不会一样。我要感谢他们创造了如此愉快的工作环境。特别感谢我的“promovendi-klasje”同事以及 Marco Last 和 Digna van der Woude,他们让“klasje”成为可能。如果没有你们的支持和建议,最后阶段会困难得多。我的 Vici 和 Ster 同事 Tina、Berenike 和 Kirsten 让这个项目的工作变得更加轻松、更有用和有趣。我很幸运能够和你们一起在这个项目上工作。感谢你们所有的支持,感谢你们一起愉快的会议访问,感谢你们如此有趣和富有成效的 Vici-Ster 合作!两位隐喻“同事”和博士生同学值得特别感谢。莱蒂和安娜,把你们称为同事和
近 年 来 , 预 训 练 语 言 模 型 已 逐 渐 成 为 自 然 语 言 处 理 领 域 的 基 座 模 型 。 相 关 实 验 现 象 表 明 , 预 训 练 语 言 模 型 能 够 自 发 地 从 预 训 练 语 料 中 学 到 一 定 的 语 言 学 知 识 、 世 界 知 识 和 常 识 知 识 , 从 而 在 知 识 密 集 型 任 务 上 获 得 出 色 的 表 现 ( AlKhamissi et al., 2022 ; Safavi and Koutra, 2021 ; Petroni et al., 2019 ) 。 然 而 , 预 训 练 语 言 模 型 中 的 知 识 隐 式 地 存 储 在 参 数 之中 , 难 以 显 式 地 对 预 训 练 语 言 模 型 中 的 知 识 进 行 分 析 和 利 用 。 同 时 , 预 训 练 语 言 模 型在 知 识 和 推 理 上 的 表 现 并 不 可 靠 , 常常 会 出 现 “ 幻 觉 ” 现 象 ( Ji et al., 2022 ) , 给 出 与 知 识 冲 突 的 预 测 结 果 。 这 些 因 素 阻 碍 了 预 训 练 语 言 模 型 提 供 可 靠 的 知 识 服 务 。 因 此 , 探 究 模 型 掌握 知 识 的 机 理 、 研 究 如 何 提 取 和 补 充 语 言 模 型 中 的 知 识 成 为 近 期 的 研 究 热点 。 本 次 讲 习 班 主 要 内 容 包 括 预 训 练 语 言 模 型 中 的 知 识 分 析 、 预 训 练 语 言 模 型 的 知 识 萃 取 、 知 识 增 强 的 预 训 练 语 言 模 型 三个 部 分 , 听 众 将 在 本 次 讲 习 班 中了 解 到 近 期 研 究 中 对 预 训 练 语 言 模 型 掌握 知 识 情 况 的 认识 、 从 预 训 练 语 言 模 型 中 提 取 符 号 知 识 的 实 现 方 案 、 利 用 外 部 知 识 增 强 模 型 弥 补 缺 陷 的 各 类 方 法 。
文库。除此之外,源井还提供CRISPR-KO、CRISPRa、CRISPRi 三大定制文库从高通量sgRNA 文
秘书处:生命科学行业促进办公室,工业促进部,千叶县工商业部,电话:043-223-2725电子邮件:sangyo-b@mz.pref.chiba.chiba.lg.jp.jp.jp
刘仲民,杨富君,胡文瑾 .多尺度特征交互的伪标签无监督域自适应行人重识别 [J].光电工程, 2025 , 52 (1): 240238 Liu Z M, Yang F J, Hu W J. Multi-scale feature interaction pseudo-label unsupervised domain adaptation for person re- identification[J].Opto-Electron Eng , 2025, 52 (1): 240238
1) MD Zeiler 和 R. Fergus:可视化和理解卷积网络,欧洲计算机视觉会议 (2014)。 2) https://jp.mathworks.com/help/deeplearning/ug/understand- network-predictions-using-occlusion.html 3) Noriyoshi Miyoshi、Ryo Kawasaki、Hidetoshi Eguchi 和 Yuichiro Toki:大阪大学 AI 医院和胃肠外科的现状和前景,Surgery, 83, 11 (2021) 1153。